BLUR:安全問題頻現，程序分析如何提前捕獲安全漏？_NFT

如果你對區塊鏈技術感興趣的話，可能聽說過很多攻擊者利用程序代碼中的漏洞而導致的大量資金被盜事件。例如，2016年臭名昭著的DAO攻擊事件，攻擊者利用一個名叫「重入」的漏洞超額提取了他們原本所能提取的資金。另一個更近期的事件是閃電貸攻擊，發生于2022年4月17日，造成1.82億美元的資金損失。雖然所有攻擊都源于底層源代碼的安全漏洞，但好消息是現在已經有能夠檢測此類漏洞的程序分析技術。在接下去的幾篇博文中，我們會解釋程序分析是什么，以及它如何幫助在部署前捕獲安全漏洞。

程序分析簡介

香港存保會：虛擬資產屬投資工具不會納入存款保障范圍:金色財經報道，香港存款保障委員會（存保會）今日發布公眾咨詢文件提出多項優化措施，旨在改進存款保障計劃，包括建議將存款保障額度從目前的50萬元提高到80萬元，上調幅度高達60%。香港存保會總裁何漢杰表示已與銀行進行初步溝通，銀行對這一舉措的反應是積極的，但近年興起的虛擬資產，屬于一種投資工具，不會被納入保障范圍。（Investing）[2023/7/13 10:53:13]

程序分析指的是一類用于檢測程序中安全漏洞的技術。程序分析有兩種主要形式，動態和靜態。動態程序分析的目標是通過執行程序來檢測問題，而靜態程序分析則無需運行程序本身就可以對源代碼進行分析。然而，在這些技術之中，只有靜態分析能夠確保程序中不存在漏洞。相反，不同于靜態分析，動態分析能證明問題的存在，它并不能夠證明漏洞并不存在。

GMX發布v2費用劃分提案，擬成立GMX國庫基金:7月13日消息，GMX發布v2費用劃分提案，該提案共有兩個選項，選項一為建立GMX國庫基金，費用10%分配給GMX國庫，63%分配給GLP提供者，27%給所有鏈上的GMX質押者。選項二為保持原有分配模式，70%分配給GLP提供者，30%給GMX質押者。當前選項一投票占比97.51%，投票將于7月19日結束。[2023/7/13 10:52:21]

乍一看，靜態分析聽起來似乎很神秘：表面看來，靜態分析似乎違反了一個被總結為萊斯定理「Rice'stheorem」的基本原則，該定理聲稱程序的每一個非平凡性質都是不可判定的。在此，語義屬性是關于程序行為的屬性，而非平凡性質是指只有某些程序擁有而其他程序沒有的性質。與我們手頭話題更相關的是，安全漏洞的存在是非平凡性質的一個典型例子。因此，關于「這個程序是否存在安全漏洞」這一問題，萊斯定理告訴我們沒有一個算法能夠終結并準確回答這一問題。?

ETH最后活躍5至7年的供應量創8個月高點:金色財經報道，鏈上數據顯示，ETH最后活躍5至7年的供應量剛剛達到10,509,524.880ETH，創8個月高點。[2023/4/2 13:39:52]

那么，靜態分析的可行性源自哪里呢？答案藏于以下的觀察：沒錯，沒有一個算法能夠準確地給出是或否，但可以有一個算法在程序有安全漏洞時總是會回答「是」，在程序沒有安全漏洞時算法有時可能也會回答「是」。換句話說，只要我們愿意容忍一些誤報，我們就可以繞過賴斯定理和不可判定性。

NFT 市場Blur向一些因UI \"bug\"造成損失的交易者提供50%的退款:金色財經報道 ，NFT 市場 Blur 向一些NFT交易者提供50%的退款。起因是一個化名為 Keung 的 Twitter 用戶指出了 Blur 新的競價系統的問題，并補充說可能是人為錯誤造成的。損失發生在該用戶將超過140個以太坊存入競價池后，不小心為一個Art Gobblers NFT支付了70個以太坊。用戶表示，如果市場在以小數點為第一個字符的競價前自動添加一個零，這個錯誤是可以避免的。他們還建議，當投標價格超過藏品的底價時，應禁用投標按鈕。（The Block）[2022/12/8 21:31:55]

靜態分析原理

讓我們以高一維度的視角來看看靜態分析是如何運作的。靜態分析的基本原理是將程序所處的狀態集合進行過近似「over-approximate」。我們將程序狀態視為從變量到值的映射。一般來說，不存在一個算法能夠明確也許是執行某一程序引起的確切程序狀態集。但可以近似該集合，如下圖所示：

此處，藍色的不規則形狀對應在執行某些程序時可能出現的實際狀態集，紅色區域對應預示錯誤或安全漏洞的「壞狀態」。由于不可判定性，永遠沒有一個算法能夠準確表明藍色區域到底是什么，但是我們能設計一個算法以系統性的方式過近似這個藍色區域，如上面常規綠色區域所示。只要綠色和紅色的交集為空，我們就有證據證明程序沒有做壞事。然而，如果我們的過近似不夠不準確，可能會使得紅色區域重疊，即使藍色和紅色區域的交集依舊為空，如下圖所示：

這種情況會導致所謂的「誤報」，由于分析與真實問題不相應而報告的虛假錯誤。一般而言，靜態分析的圣杯是構造過近似，即過近似足夠準確因此我們在實際中不會獲得很誤報過近似的計算足夠有效率，因此分析可擴展到我們所關心的現實世界的程序。

附帶說明一下，還可以設計靜態分析算法來近似如下所示的程序行為：

在此情況下，綠色區域包含在藍色區域內，和另一種方式正好相反。這種分析是不可靠的，意味著可能會漏掉真正的程序錯誤：正如我們在上圖所看到的那樣，綠色和紅色的交集為空，因此即使程序真的存在漏洞，分析也不會報告問題。這會導致所謂的假陰性，真正的漏洞被靜態分析給遺漏了。

大體來說，如果我們想獲得可證明的安全性，我們會想要可靠的從來不會有誤報的靜態分析器，同時還需要足夠精確，在實踐時不會報告太多誤報。然而，好消息是，幾十年的正統研究表明設計這樣的靜態分析器有可能的。下篇博文，我們會更詳細地介紹靜態分析器具體是如何運作的！

總結

程序分析是一種有效的能夠捕捉各種程序中安全漏洞的技術，包括區塊鏈應用程序。此外，可靠的靜態分析器的過近似程序行為能確保整個類別中不存在漏洞。

Tags：GMXNFTETHBLURgmx幣行情NFTSOLETHHEDGE價格blur幣最新消息

UNI