深入EVM-合約分類這件小事背後的風險

十四君

特邀专栏作者

2023-06-13 13:00 (UTC+8)

本文約3491字，閱讀全文需要約5分鐘

從合約為什麼要分類出發，結合每個場景可能面對怎樣的惡意攻擊，最終給出一套達成相對安全的合約分類分析算法。

AI總結

從合約為什麼要分類出發，結合每個場景可能面對怎樣的惡意攻擊，最終給出一套達成相對安全的合約分類分析算法。

在智能合約領域，"以太坊虛擬機EVM"以及其算法和數據結構就是第一性原理。

本文從合約為什麼要分類出發，結合每個場景可能面對怎樣的惡意攻擊，最終給出一套達成相對安全的合約分類分析算法。

一級標題一級標題

1、合約為什麼要分類？

因為太重要了，可謂是交易所、錢包、區塊鏈瀏覽器、數據分析平台等等Dapp 的基石！

一筆交易之所以是ERC 20 轉賬，是因為他的行為符合ERC 20 標準，至少得有：

交易的狀態是成功
To 地址為某個符合ERC 20 標準的合約
調用了Transfer 函數，其特點是該交易CallData 的前4 位為0x a 9059 cbb
執行後，在該To 地址上發出了transfer的事件

分類有誤則交易行為會誤判

以交易行為為基石，則To 地址能否被準確分類則對其CallData 的判斷會有截然不然的結論。對Dapp 而言，鏈上鍊下的信息溝通高度依賴於交易事件的監聽，而同樣的事件編碼也只有在符合標準的合約中發出，才具有可信度。

分類有誤則交易會誤入黑洞

如果用戶進行一筆Token 轉移，轉入到某個合約中，如果該合約沒有預設Token 轉出的函數方法，則資金會雷同於Burn 一樣被鎖定，無法控制

且如今大量項目開始增加內置的錢包支持，要為用戶管理錢包也就不可避免的，需要時刻從鏈上實時分類出最新部署的合約，是否能夠吻合資產標準。

拓展閱讀第1 段：【合約解讀】CryptoPunk 世界上最早的去中心化NFT 交易市場

2、分類會有怎樣的風險？

鏈上是一個沒有身份沒有法治的地方，你無法制止一筆正常的交易，哪怕他是惡意的。

他可以是冒充外婆的狼，做出多數符合你預期的外婆行為，但目的是進屋搶劫。

聲明標準，但可能實質不符合

常見的分類方式是直接採用EIP-165 標準，讀取該地址是否支持ERC 20 等，當然，這是一個高效率的方法，但是畢竟合約是對方控制，所以終究是可以偽造出一份申明。

165 標準的查詢，只是在鏈上有限的操作碼中，用最低成本去防止資金轉入黑洞的方法。

這也是為什麼我們之前分析NFT 的時候，特地提及標準中會有一類SafeTransferFrom的方法，其中Safe就是指代了採用165 標準判斷出對方聲明自己具備了NFT 的轉移能力。

拓展閱讀第2.2 段：【源碼解讀】你買的NFT 到底是什麼？

唯有從合約字節碼出發，做源碼層面的靜態分析，從合約預期的行為出發才有更精準的可能性。

3、合約分類方案設計

接下來咱們將系統的分析整體方案，注意我們的目的是“精度”和“效率”兩項核心指標。

要知道即使方向是對的，但要抵達大洋的彼岸路途也並不明朗，要做字節碼分析的第一站是獲取代碼

3.1、如何獲取到代碼？

從上鍊後的角度講有getCode，一個RPC 方法，可以從鏈上指定的地址裡獲取到字節碼，單論讀取的話這是非常快捷的，因為從EVM 的賬號結構中就把codeHash 放在最頂端的位置。

但是這個方法等於是單獨對某個地址做獲取，想要進一步提升精度和效率呢？

如果是部署合約的交易，如何在其剛執行完甚至他還在內存池中便獲取部署的代碼？

如果該筆交易是合約工廠的模式，則交易的Calldata 裡是否存在源碼呢？

最後的我的方式是，是分類進行一種類似篩子的模式

對於非合約部署的交易，則直接用getCode獲取其中涉及的地址進行分類，
對於最新內存池的交易，篩選出to 地址為空的交易，其CallData 則是帶有構造函數的源代碼
對於合約工廠模式的交易，由於其中可能是合約部署出的合約再循環調用其他合約來執行部署，則遞歸的去分析該筆交易的子交易，記錄每個type 為CREATE或者為CREATE 2 的Call。

我做了個demo 實現的時候，發現還好現在rpc 的版本比較高，因為整個過程最難的便是執行3 的時候，如何遞歸找到指定type 的call，最底層的方式是通過opcode 還原上下文，我吃了一驚！

還好現在的geth 版本里有debug_traceTransaction 方法，他可以幫助解決在通過opcode 操作碼中梳理每一個call 的上下文信息，整理出核心的字段。

最終可以對多種部署模式的（直接部署，工廠模式單部署，工廠模式批量部署）的原始字節碼都獲取到。

3.2、如何從代碼分類？

最最簡單但不安全的方式，是把code 直接做字符串匹配，以ERC 20 為例符合標準的函數則有

在函數名之後的，則是該函數的函數簽名，之前在分析的時候提及，交易都是依賴匹配callData 的前4 位找到目標函數的，拓展閱讀：

二級標題

3.3、準確率提升1-反編譯

那進一步的準確方法則是做Opcode 的反編譯！反編譯則是將獲取到的字節碼轉到操作碼的過程，更高級的反編譯則是再轉成偽代碼，更利於人的閱讀，這次我們用不上，反編譯的方法列於文末的附錄中。

solidity（高級語言）->bytecode(字節碼)->opcode(操作碼)

我們就可以清晰的發現一個特徵，函數簽名都會被PUSH 4 這個操作碼所執行，所以進一步的方法則是從全文中提取PUSH 4 後的內容，與函數標準做匹配。

我也簡單做了下性能實驗，不得不說Go 語言的效率很強大， 1 W 次反編譯只需要220 ms。

接下來的內容會有一定難度

3.4、準確率提升2-找代碼塊

上文中準確率有所提升但還不夠，因為是全文搜索PUSH 4 的，因為我們仍然可以構建一個變量，是byte 4 的類型，這樣一來也會觸發PUSH 4 的指令。

在我苦惱的時候，想到一些開源項目的實現，ETL 是一個讀取鏈上數據做分析的工具，其中會解析出ERC 20、 721 的轉移單獨成表，所以必然具備分類合約的能力。

分析下來，可以發現他是基於代碼塊的分類，只處理第一個basic_blocks[ 0 ]裡的push 4 指令

那問題來到了，如何準確判斷代碼塊了

代碼塊的概念源於REVERT + JUMPDEST 這2 個連續的操作碼，這裡必然需要連續的2 個，因為在整個函數選取器的opcode 區間裡，如果函數數量過多，則會出現翻頁的邏輯，那也會出現JUMPDEST 這個指令。

3.5、準確率提升3-找函數選擇器

函數選擇器的作用是，讀取該筆交易的Calldata 的前4 位字節，並與代碼中預設有的合約函數簽名進行匹配，協助指令跳轉到存儲了該函數方法指定的內存位置

讓我們嘗試一個最小的模擬執行

這部分是兩個函數的選擇器store(uint 256)和retrieve()，可算出簽名是2 e 64 cec 1 ， 6057361 d

第一部分：

第一部分：

在編譯器中在合約中僅函數選擇器部分會去獲取到callData 的內容，寓意是獲取其CallData 的函數調用簽名，註釋如下圖。

第二部分：

第二部分：

判斷是否與選擇器的值匹配的過程

1、將retrieve()的4 字節函數簽名(0x 2 e 64 cec 1)傳入stack 上，

2、EQ 操作碼從stack 區彈出2 個變量，即0x 2 e 64 cec 1 和0x 6057361 d，並檢查它們是否相等

3、PUSH 2 將2 個字節的數據(這裡為0x 003 b，十進制為59)傳入stack，stack 區有一個叫做程序計數器的東西，它規定了下一個執行命令在字節碼中的位置。這裡我們設置59 ，因為那是retrieve()字節碼的起始位置

4、JUMPI 代表"如果...，則跳轉至..."，它從stack 中彈出2 個值作為輸入，如果條件為真，程序計數器將被更新至59 。

這就是EVM 是如何根據合約中的函數調用，來確定它需要執行的函數字節碼的位置的原理。

實際上，這只是一組簡單的“if 語句”，用於合約中的每個函數以及它們的跳轉位置。

4、方案總結

整體簡述如下

每個合約地址可以通過rpc getcode 或者debug_traceTransaction，獲取到部署後的bytecode ，採用GO 中VM 和ASM 庫，反編譯後即獲取到opcode
合約在EVM 運行原理中，會有以下特徵

- 採用REVERT+JUMPDEST這2 個連續的opcode 作為代碼塊的區分
- 合約必然具備函數選擇器的功能，該功能也必然在第一個代碼塊上
- 函數選擇器中，其函數方法均採用PUSH 4 作為opcode ，
- 該選擇器所包含的opcode 中，會出現連續的PUSH 1 00; CALLDATALOAD; PUSH 1 e 0; SHR; DUP 1 ，核心功能是加載callDate 數據並進行位移操作，從合約功能上其他語法不會產生

3. 對應的函數簽名在eip 中定義，並且有必选和可選的明確說明

4.1、唯一性證明

走到這裡我們就可以說，基本實現高效率，高準確率的合約分析方法了，當然既然已經嚴謹了這麼久，不妨再嚴謹一些，我們上文方案里中基於REVER+JUMPDEST 來做代碼塊的區分，結合其中必然的CallDate 加載和位移來做唯一性判斷，那是否存在，我可以用solidity 合約也實現出類似的操作碼序列呢？

我做了下對照實驗，從solidity 語法層面雖然亦有msg.sig 等獲取CallData 的方法，但編譯後其opcode 的實現方法不同

5、總結

洋洋灑灑這麼分析下來， 3 天時間就過去了。

雖然非常的細緻，雖然日常中會遇到合約採用byte 4 來惡意混淆自己是否符合標準的合約可能是九牛一毛。

所以，實際上這3 天投入分析的ROI 是非常低的。但是在無盡的時間長河裡，概率再小的事情，也終將發生。

怀揣不信任原則才能在web3的世界裡，走的更遠。

今天有好友問我一個很有思考深度的話題，作為產業KOL 的終局是什麼？你的商業模式是什麼？

正文

如需opcode 樣例以及Go 進行反編譯的樣例代碼，可公眾號後台回复”合約分類”獲取。

原理解析:
https://pkg.go.dev/github.com/ethereum/go-ethereum@v1.11.6/core/asm#Compiler.Feed
https://pkg.go.dev/github.com/ethereum/go-ethereum@v1.11.6/core/vm
原理解析:
https://whileydave.com/2023/01/04/disassembling-evm-bytecode-the-basics/
https://yanniss.github.io/elipmoc-oopsla 22.pdf
https://yanniss.github.io/gigahorse-icse 19.pdf
https://www.evm.codes/? fork=shanghai
https://learnblockchain.cn/article/4800
https://learnblockchain.cn/article/3647
開源項目源碼參考:
https://github.com/blockchain-etl/ethereum-etl/blob/2d a 9 d 050 f 4 ae 4 fa 4 e 818 bbfb 22 d5 cfb 5234 b 2 e 29/ethereumetl/service/eth_contract_service.py#L2 9-L 43
https://github.com/ethereum/evmdasmhttps://github.com/tintinweb/ethereum-dasm/blob/master/ethereum_dasm/evmdasm.py#L3 42

點贊關註十四，用技術視角帶給你價值

Web3.0

NFT

技術

智能合約

歡迎加入Odaily官方社群