BSP:深入EVM-合约分类这件小事背后的风险

在智能合约领域，"以太坊虚拟机 EVM" 以及其算法和数据结构就是第一性原理。

本文从合约为什么要分类出发，结合每个场景可能面对怎样的恶意攻击，最终给出一套达成相对安全的合约分类分析算法。

虽然技术含量较高，但亦可作为杂谈读物，一览去中心化系统间博弈的黑暗森林。

因为太重要了，可谓是交易所、钱包、区块链浏览器、数据分析平台等等 Dapp 的基石！

一笔交易之所以是 ERC 20 转账，是因为他的行为符合 ERC 20 标准，至少得有：

交易的状态是成功

To 地址为某个符合 ERC 20 标准的合约

调用了 Transfer 函数，其特点是该交易 CallData 的前 4 位为0x a 9059 cbb

执行后，在该 To 地址上发出了transfer的事件

分类有误则交易行为会误判

以交易行为为基石，则 To 地址能否被准确分类则对其 CallData 的判断会有截然不然的结论。对 Dapp 而言，链上链下的信息沟通高度依赖于交易事件的监听，而同样的事件编码也只有在符合标准的合约中发出，才具有可信度。

分类有误则交易会误入黑洞

如果用户进行一笔 Token 转移，转入到某个合约中，如果该合约没有预设 Token 转出的函数方法，则资金会雷同于 Burn 一样被锁定，无法控制

多链DeFi平台Rubic正在深入研究允许RBC被用作税收资产:官方消息，多链DeFi平台Rubic宣布，作为一个额外的用例，正在深入研究允许RBC被用作税收资产。此外，Rubic表示，在新UI的工作接近完成后，BSC Polygon桥等将在不久后启动。[2021/6/24 0:02:35]

且如今大量项目开始增加内置的钱包支持，要为用户管理钱包也就不可避免的，需要时刻从链上实时分类出最新部署的合约，是否能够吻合资产标准。

链上是一个没有身份没有法治的地方，你无法制止一笔正常的交易，哪怕他是恶意的。

他可以是冒充外婆的狼，做出多数符合你预期的外婆行为，但目的是进屋抢劫。

声明标准，但可能实质不符合

常见的分类方式是直接采用 EIP-165 标准，读取该地址是否支持 ERC 20 等，当然，这是一个高效率的方法，但是毕竟合约是对方控制，所以终究是可以伪造出一份申明。

165 标准的查询，只是在链上有限的操作码中，用最低成本去防止资金转入黑洞的方法。

这也是为什么我们之前分析 NFT 的时候，特地提及标准中会有一类SafeTransferFrom的方法，其中Safe就是指代了采用 165 标准判断出对方声明自己具备了 NFT 的转移能力。

唯有从合约字节码出发，做源码层面的静态分析，从合约预期的行为出发才有更精准的可能性。

接下来咱们将系统的分析整体方案，注意我们的目的是“精度”和“效率”两项核心指标。

要知道即使方向是对的，但要抵达大洋的彼岸路途也并不明朗，要做字节码分析的第一站是获取代码

国务院办公厅卢向东：区块链等新技术与政府业务深入融合:10月12日，第三届数字中国建设峰会数字政府分论坛在福州召开。国务院办公厅电子政务办公室主任卢向东表示，党中央、国务院作出推进数字政府建设的重要决策部署，意义重大，影响深远。目前推进数字政府建设已经具备良好的支撑条件。当前，5G网络覆盖范围不断拓展，云计算统筹优化基础设施资源，物联网、大数据、人工智能、区块链等新技术与政府业务深入融合，新一代信息技术为数字政府建设提供了强有力的技术保障。（经济参考报）[2020/10/15]

从上链后的角度讲有getCode，一个 RPC 方法，可以从链上指定的地址里获取到字节码，单论读取的话这是非常快捷的，因为从 EVM 的账号结构中就把 codeHash 放在最顶端的位置。

但是这个方法等于是单独对某个地址做获取，想要进一步提升精度和效率呢？

如果是部署合约的交易，如何在其刚执行完甚至他还在内存池中便获取部署的代码？

如果该笔交易是合约工厂的模式，则交易的 Calldata 里是否存在源码呢？

最后的我的方式是，是分类进行一种类似筛子的模式

对于非合约部署的交易，则直接用getCode获取其中涉及的地址进行分类，

对于最新内存池的交易，筛选出 to 地址为空的交易，其 CallData 则是带有构造函数的源代码

对于合约工厂模式的交易，由于其中可能是合约部署出的合约再循环调用其他合约来执行部署，则递归的去分析该笔交易的子交易，记录每个 type 为CREATE或者为CREATE 2 的 Call。

南宁市深入推进“区块链+”人社应用和“打包快办”服务改革:8月20日，南宁市人社局召开专题党组会，传达学习市委十二届十次全体（扩大）会议精神，并就抓好贯彻落实作出部署。会议强调，局系统广大党员干部要将思想认识统一到市委决策部署上来，将学习贯彻市委十二届十次全体（扩大）会议精神和年度工作任务相结合，扎实推进各项中心工作；抓重点攻难点，切实保障和改善民生，千方百计保就业，兜住基本民生底线，深入推进“智慧人社”工作，深化“一门式”服务改革，深入推进“区块链+”人社应用和“打包快办”服务改革，确保完成全年目标任务。（南宁日报）[2020/8/23]

我做了个 demo 实现的时候，发现还好现在 rpc 的版本比较高，因为整个过程最难的便是执行 3 的时候，如何递归找到指定 type 的 call，最底层的方式是通过 opcode 还原上下文，我吃了一惊！

还好现在的 geth 版本里有debug_traceTransaction 方法，他可以帮助解决在通过 opcode 操作码中梳理每一个 call 的上下文信息，整理出核心的字段。

最终可以对多种部署模式的（直接部署，工厂模式单部署，工厂模式批量部署）的原始字节码都获取到。

最最简单但不安全的方式，是把 code 直接做字符串匹配，以 ERC 20 为例符合标准的函数则有

在函数名之后的，则是该函数的函数签名，之前在分析的时候提及，交易都是依赖匹配 callData 的前 4 位找到目标函数的，拓展阅读：

财政部副部长朱光耀：G20正在深入讨论对数字经济征税:财政部副部长朱光耀在中国发展高层论坛上表示，数字经济还处在发展的过程中，要以科普、推动的态度来推进数字经济发展。像任何事物一样，也要关注数字经济的其他影响，包括税收征管、反监管措施等要跟上。他还透露G20正在深入讨论对数字经济征税。[2018/3/24]

所以合约字节码里必然存储有这 6 个函数的签名。

当然，这种方法非常快捷 6 个都查到就完事的，但不安全的因素则是，如果我采用 solidity 合约中，单独设计一个变量，存储值为0x 18160 ddd 那么他也会将认为我有了这个函数。

那进一步的准确方法则是做 Opcode 的反编译！反编译则是将获取到的字节码转到操作码的过程，更高级的反编译则是再转成伪代码，更利于人的阅读，这次我们用不上，反编译的方法列于文末的附录中。

solidity（高级语言）->bytecode(字节码)->opcode(操作码)

我们就可以清晰的发现一个特征，函数签名都会被PUSH 4  这个操作码所执行，所以进一步的方法则是从全文中提取PUSH 4 后的内容，与函数标准做匹配。

我也简单做了下性能实验，不得不说 Go 语言的效率很强大， 1 W 次反编译只需要 220 ms。

接下来的内容会有一定难度

上文中准确率有所提升但还不够，因为是全文搜索PUSH 4 的，因为我们仍然可以构建一个变量，是byte 4 的类型，这样一来也会触发PUSH 4 的指令。

马耳他区块链暨比特币大会：深入探讨国家区块链战略及数字货币立法问题:上周，在马耳他圣朱利安举办了马耳他区块链暨比特币大会（Blockchain & Bitcoin Conference Malta），对涉及加密数字货币、区块链和ICO等问题进行了深入探讨。马耳他政府的高级官员和国家区块链战略制定者们出席了本次会议。据悉，本次大约吸引400位业内人士参会，包括行业开发人员、投资人、企业家、银行和信贷机构代表、以及金融科技专家、律师和记者等。观众听取了20位嘉宾的演讲，同时也有15家公司登台进行了展示。[2017/12/13]

在我苦恼的时候，想到一些开源项目的实现，ETL 是一个读取链上数据做分析的工具，其中会解析出 ERC 20、 721 的转移单独成表，所以必然具备分类合约的能力。

分析下来，可以发现他是基于代码块的分类，只处理第一个basic_blocks[ 0 ]里的push 4 指令

那问题来到了，如何准确判断代码块了

代码块的概念源于REVERT + JUMPDEST 这 2 个连续的操作码，这里必然需要连续的 2 个，因为在整个函数选取器的 opcode 区间里，如果函数数量过多，则会出现翻页的逻辑，那也会出现JUMPDEST 这个指令。

函数选择器的作用是，读取该笔交易的 Calldata 的前 4 位字节，并与代码中预设有的合约函数签名进行匹配，协助指令跳转到存储了该函数方法指定的内存位置

让我们尝试一个最小的模拟执行

这部分是两个函数的选择器store(uint 256)和retrieve()，可算出签名是2 e 64 cec 1 ， 6057361 d

进行反编译后，则会得到如下的操作码串，可以说分两个部分

第一部分：

在编译器中在合约中仅函数选择器部分会去获取到 callData 的内容，寓意是获取其 CallData 的函数调用签名，注释如下图。

我们可以通过模拟 EVM 的内存池变化来看看效果

第二部分：

判断是否与选择器的值匹配的过程

1、将 retrieve()的 4 字节函数签名(0x 2 e 64 cec 1)传入 stack 上，

2、EQ 操作码从 stack 区弹出 2 个变量，即0x 2 e 64 cec 1 和0x 6057361 d，并检查它们是否相等

3、PUSH 2 将 2 个字节的数据(这里为0x 003 b，十进制为 59)传入 stack，stack 区有一个叫做程序计数器的东西，它规定了下一个执行命令在字节码中的位置。这里我们设置 59 ，因为那是 retrieve()字节码的起始位置

4、JUMPI 代表"如果...，则跳转至..."，它从 stack 中弹出 2 个值作为输入，如果条件为真，程序计数器将被更新至 59 。

这就是 EVM 是如何根据合约中的函数调用，来确定它需要执行的函数字节码的位置的原理。

实际上，这只是一组简单的“if 语句”，用于合约中的每个函数以及它们的跳转位置。

整体简述如下

每个合约地址可以通过 rpc getcode 或者debug_traceTransaction，获取到部署后的bytecode ，采用 GO 中 VM 和 ASM 库，反编译后即获取到opcode

合约在 EVM 运行原理中，会有以下特征

采用REVERT+JUMPDEST这 2 个连续的 opcode 作为代码块的区分

合约必然具备函数选择器的功能，该功能也必然在第一个代码块上

函数选择器中，其函数方法均采用PUSH 4 作为 opcode ，

该选择器所包含的 opcode 中，会出现连续的PUSH 1 00; CALLDATALOAD; PUSH 1 e 0; SHR; DUP 1 ，核心功能是加载 callDate 数据并进行位移操作，从合约功能上其他语法不会产生

3. 对应的函数签名在 eip 中定义，并且有必选和可选的明确说明

走到这里我们就可以说，基本实现高效率，高准确率的合约分析方法了，当然既然已经严谨了这么久，不妨再严谨一些，我们上文方案里中基于 REVER+JUMPDEST 来做代码块的区分，结合其中必然的 CallDate 加载和位移来做唯一性判断，那是否存在，我可以用 solidity 合约也实现出类似的操作码序列呢？

我做了下对照实验，从 solidity 语法层面虽然亦有 msg.sig 等获取 CallData 的方法，但编译后其 opcode 的实现方法不同

十四君

个人专栏

阅读更多

金色早8点

Odaily星球日报

金色财经

Block unicorn

DAOrayaki

曼昆区块链法律

标签：BSPNBSCODECODBSPT币nbs币前景OVCodecode币如何挖

SHIB热门资讯