如果你对区块链技术感兴趣的话，可能听说过很多攻击者利用程序代码中的漏洞而导致的大量资金被盗事件。例如，2016年臭名昭著的DAO攻击事件，攻击者利用一个名叫「重入」的漏洞超额提取了他们原本所能提取的资金。另一个更近期的事件是闪电贷攻击，发生于2022年4月17日，造成1.82亿美元的资金损失。虽然所有攻击都源于底层源代码的安全漏洞，但好消息是现在已经有能够检测此类漏洞的程序分析技术。在接下去的几篇博文中，我们会解释程序分析是什么，以及它如何帮助在部署前捕获安全漏洞。
程序分析简介
社区用户总结 Moonbirds 在 AMA 中披露的 Moonbirds Mythics 铸造细节:1月18日消息，推特用户 Bagman 发推称其总结了过去一个月中参与的 AMA 所总结的信息，Moonbirds Mythics 将是 Moonbirds 生态第二位的 NFT，将于 2023 年第一季度内推出，总量 2 万枚。已将 Moonbirds 系列 NFT 进行「筑巢（nest）」的持有者将可按照 1:1 的比例获得空投，Moonbirds Oddities 持有者可选择销毁 NFT 来获得 Moonbirds Mythics 系列 NFT。若 Moonbirds Oddities 持有者不选择销毁 NFT，则剩余的 Moonbirds Mythics NFT 将随机分配给 Moonbirds 持有者。[2023/1/18 11:18:41]
程序分析指的是一类用于检测程序中安全漏洞的技术。程序分析有两种主要形式，动态和静态。动态程序分析的目标是通过执行程序来检测问题，而静态程序分析则无需运行程序本身就可以对源代码进行分析。然而，在这些技术之中，只有静态分析能够确保程序中不存在漏洞。相反，不同于静态分析，动态分析能证明问题的存在，它并不能够证明漏洞并不存在。
跨链协议Ren发起社区提案，计划更换Yield Ops小组的多重签名成员:8月31日消息，跨链协议Ren发起社区提案，计划更换Yield Ops小组的多重签名成员，以替换决定退出的原成员Preston，希望参与注册的社区成员必须在9月7日快照投票上线之前进行确认，最终获胜的候选人将被添加到多重签名中。
注：Yield Ops小组负责执行Ren社区批准的收益策略，以增加闲置资金收益，而对应资金由4/7多重签名控制。[2022/8/31 12:59:58]
乍一看，静态分析听起来似乎很神秘：表面看来，静态分析似乎违反了一个被总结为莱斯定理「Rice'stheorem」的基本原则，该定理声称程序的每一个非平凡性质都是不可判定的。在此，语义属性是关于程序行为的属性，而非平凡性质是指只有某些程序拥有而其他程序没有的性质。与我们手头话题更相关的是，安全漏洞的存在是非平凡性质的一个典型例子。因此，关于「这个程序是否存在安全漏洞」这一问题，莱斯定理告诉我们没有一个算法能够终结并准确回答这一问题。?
P2E游戏体育平台Battle Infinity拟通过Token预售融资450万美元，现已募集76.5万美元:金色财经报道，P2E 游戏体育平台 Battle Infinity 宣布 Token 预售已突破软上限（2000 BNB），截至目前达到 2863 BNB，约合 76.5 万美元，该公司的融资硬上限为16500 BNB，即约450万美元。Battle Infinity是一款基于Polygon区块链的体育链游，其模式借鉴了Axie Infinity但自称可为玩家提供完全透明的信息，因此更加安全可靠。（business2community）[2022/7/22 2:32:03]
那么，静态分析的可行性源自哪里呢？答案藏于以下的观察：没错，没有一个算法能够准确地给出是或否，但可以有一个算法在程序有安全漏洞时总是会回答「是」，在程序没有安全漏洞时算法有时可能也会回答「是」。换句话说，只要我们愿意容忍一些误报，我们就可以绕过赖斯定理和不可判定性。
币安NFT市场ADOGE“总统”NFT最终成交价66666BUSD:据官方消息，币安NFT市场于北京时间7月15日成交AmazingDoge“总统”NFT；最终成交价为66666BUSD，AmazingDoge NFT在币安NFT市场排名第一。[2022/7/15 2:16:13]
静态分析原理
让我们以高一维度的视角来看看静态分析是如何运作的。静态分析的基本原理是将程序所处的状态集合进行过近似「over-approximate」。我们将程序状态视为从变量到值的映射。一般来说，不存在一个算法能够明确也许是执行某一程序引起的确切程序状态集。但可以近似该集合，如下图所示：
此处，蓝色的不规则形状对应在执行某些程序时可能出现的实际状态集，红色区域对应预示错误或安全漏洞的「坏状态」。由于不可判定性，永远没有一个算法能够准确表明蓝色区域到底是什么，但是我们能设计一个算法以系统性的方式过近似这个蓝色区域，如上面常规绿色区域所示。只要绿色和红色的交集为空，我们就有证据证明程序没有做坏事。然而，如果我们的过近似不够不准确，可能会使得红色区域重叠，即使蓝色和红色区域的交集依旧为空，如下图所示：
这种情况会导致所谓的「误报」，由于分析与真实问题不相应而报告的虚假错误。一般而言，静态分析的圣杯是构造过近似，即过近似足够准确因此我们在实际中不会获得很误报过近似的计算足够有效率，因此分析可扩展到我们所关心的现实世界的程序。
附带说明一下，还可以设计静态分析算法来近似如下所示的程序行为：
在此情况下，绿色区域包含在蓝色区域内，和另一种方式正好相反。这种分析是不可靠的，意味着可能会漏掉真正的程序错误：正如我们在上图所看到的那样，绿色和红色的交集为空，因此即使程序真的存在漏洞，分析也不会报告问题。这会导致所谓的假阴性，真正的漏洞被静态分析给遗漏了。
大体来说，如果我们想获得可证明的安全性，我们会想要可靠的从来不会有误报的静态分析器，同时还需要足够精确，在实践时不会报告太多误报。然而，好消息是，几十年的正统研究表明设计这样的静态分析器有可能的。下篇博文，我们会更详细地介绍静态分析器具体是如何运作的！
总结
程序分析是一种有效的能够捕捉各种程序中安全漏洞的技术，包括区块链应用程序。此外，可靠的静态分析器的过近似程序行为能确保整个类别中不存在漏洞。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。