区块链技术因去中心化、匿名性和不可篡改等特点而备受瞩目。然而,由于区块链技术架构的复杂性,针对区块链的攻击方式层出不穷,其中以太坊庞氏骗局欺诈行为和智能合约代码漏洞攻击是当前区块链系统面临的两种较为常见的异常行为,引发的安全事件导致了巨大的经济损失,严重影响了区块链技术的发展与应用。因此,开展以太坊庞氏骗局和智能合约漏洞检测方法的研究具有非常重要的现实意义和应用价值。当前区块链异常检测方法存在以下问题:在以太坊庞氏骗局检测方面,现有研究在数据不平衡处理和关键特征提取方面仍存在技术缺陷;在智能合约漏洞检测方面,现有的检测方法多集中在符号执行、形式化验证、模糊检测、中间件表示和机器学习等技术,这不但对专家经验知识依赖严重,而且在特征提取过程中过于依赖合约源码,不利于智能合约的实时性检测。针对上述检测方法中存在的问题,本文提出一种基于深度卷积神经网络的区块链异常行为检测方法,设计并研发区块链安全检测平台,以促进本文研究方法的成果转化和实际应用。具体而言,本文的主要贡献和创新点包括:（1）针对当前庞氏骗局检测方法在数据增强方面存在的数据重叠和在特征提取方面存在的特征选取冗余问题,本文提出了一种基于PD-SECR的以太坊庞氏骗局智能化检测方法。上述问题不但降低了传统检测方法的精确度,也导致了检测效率的低下,而本文提出的PD-SECR检测方法通过ENN（Edited Nearest Neighborhood）和卷积计算高效地解决数据重叠和特征冗余问题,同时在不平衡数据样本集中实现高效地检测,为以太坊交易平台提供了更安全可靠的交易环境。（2）针对当前智能合约漏洞检测方法存在的合约源码依赖、数据预处理复杂和特征提取不全面等问题,本文提出了一种基于Bic-RL的智能合约漏洞全自动化检测方法。上述问题导致了检测方法性能的下降,本文结合Bicubic（Bicubic interpolation）、Restnet（Residual Neural Networks）和LSTM（Long short-term memory）提出了一种智能合约漏洞的智能化检测方法,并标注构建了智能合约漏洞数据集。该方法实现了对智能合约数据的实时性获取,并简化了数据预处理过程,同时又保证了特征提取的全面性和模型检测的高效性。通过对本文构建的检测模型进行可行性分析和性能评估发现,该方法准确度可达84.5%。将该方法与其他检测方法进行实验对比,结果显示该方法具有更高的检测精度和泛化能力。（3）基于上述两个检测方法（PD-SECR和Bic-RL）,本文研发了区块链安全检测平台,实现了对以太坊庞氏骗局和智能合约漏洞的检测。考虑到用户在平台检测过程中本地运行环境可能存在的安全隐患,进而导致检测结果不可靠的问题,本文在研发的平台中增加了运行环境检测模块,在用户需要对区块链交易和合约漏洞进行检测时,先对其本地运行环境进行安全性检测,并设置了异常报警机制,以保证检测结果的可靠性。本文研发的区块链安全检测平台是集多功能模块于一体的一站式服务检测系统,用户可以根据个人需求进行相应的检测,并通过运行环境检测模块保证检测环境的可靠性及检测结果的可信性。