深入EVM-合約分類這件小事背後的風險

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。

本文從合約為什么要分類出發，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。

雖然技術含量較高，但亦可作為雜談讀物 ， 一覽去中心化系統間博弈的黑暗森林。

1、合約為什么要分類？

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

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

1. 交易的狀態是成功

2. To 地址為某個符合 ERC 20 標准的合約

3. 調用了 Transfer 函數，其特點是該交易 CallData 的前 4 位為 0x a 9059 cbb

4. 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 地址能否被准確分類則對其 CallData 的判斷會有截然不然的結論。對 Dapp 而言，鏈上鏈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准的合約中發出，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

且如今大量項目开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准。

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。

聲明標准，但可能實質不符合

常見的分類方式是直接採用 EIP-165 標准，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，所以終究是可以僞造出一份申明。

165 標准的查詢，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。

這也是為什么我們之前分析 NFT 的時候，特地提及標准中會有一類 SafeTransferFrom 的方法，其中 Safe 就是指代了採用 165 標准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】你买的 NFT 到底是什么？

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准的可能性。

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？

從上鏈後的角度講有 getCode ，一個 RPC 方法，可以從鏈上指定的地址裏獲取到字節碼，單論讀取的話這是非常快捷的，因為從 EVM 的账號結構中就把 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 裏是否存在源碼呢？

最後的我的方式是，是分類進行一種類似篩子的模式

1. 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，

2. 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

3. 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，我喫了一驚！

還好現在的 geth 版本裏有 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 為例符合標准的函數則有

在函數名之後的，則是該函數的函數籤名，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：

所以合約字節碼裏必然存儲有這 6 個函數的籤名。

當然，這種方法非常快捷 6 個都查到就完事的，但不安全的因素則是，如果我採用 solidity 合約中，單獨設計一個變量，存儲值為 0x 18160 ddd 那么他也會將認為我有了這個函數。

3.3、准確率提升 1-反編譯

那進一步的准確方法則是做 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僞代碼，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，函數籤名都會被 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，與函數標准做匹配。

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、准確率提升 2-找代碼塊

上文中准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，想到一些开源項目的實現，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 ] 裏的 push 4 指令

那問題來到了，如何准確判斷代碼塊了

代碼塊的概念源於 REVERT + JUMPDEST 這 2 個連續的操作碼，這裏必然需要連續的 2 個，因為在整個函數選取器的 opcode 區間裏，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、准確率提升 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籤名進行匹配，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() ，可算出籤名是 2 e 64 cec 1 ， 6057361 d

進行反編譯後，則會得到如下的操作碼串，可以說分兩個部分

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 的函數調用籤名，注釋如下圖。

我們可以通過模擬 EVM 的內存池變化來看看效果

第二部分：

判斷是否與選擇器的值匹配的過程

1、將 retrieve()的 4 字節函數籤名(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(這裏為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。這裏我們設置 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

1. 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

2. 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. 對應的函數籤名在 eip 中定義，並且有必選和可選的明確說明

4.1、唯一性證明

走到這裏我們就可以說，基本實現高效率，高准確率的合約分析方法了，當然既然已經嚴謹了這么久，不妨再嚴謹一些，我們上文方案裏中基於 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

洋洋灑灑這么分析下來， 3 天時間就過去了。

雖然非常的細致，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准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裏，概率再小的事情，也終將發生。

懷揣不信任原則才能在web3的世界裏，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 的終局是什么？你的商業模式是什么？

雖然我知道技術的文章，總是流量慘淡，但流量本就不是目的，我希望始終都在最初的愿景上：

? 以技術的視角，洞察產業發展的關鍵變化，分享產業發展中的過往經驗與未來機會，為新時代的建設者提供差異化的幫助。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。