Erays 使用教程
2025-04-19 20:33:49作者:郁楠烈Hubert
1. 项目介绍
Erays 是一个针对区块链智能合约的反向工程工具。它并不是一个反编译器,但通过 Erays 输出的内容,可以帮助开发者更好地理解 EVM 字节码。Erays 的设计理念是通过图形化的方式展示智能合约的结构,使得开发者可以更直观地理解其逻辑。
2. 项目快速启动
在开始使用 Erays 之前,确保您的系统已安装了 graphviz。您可以通过以下命令进行安装:
sudo apt install graphviz
接下来,您可以使用以下命令运行 Erays:
python structurer.py /path/to/contract.hex
将 /path/to/contract.hex 替换为您要分析的实际智能合约十六进制文件路径。执行上述命令后,每个合约函数的 PDF 文件将会在 temp 目录下生成。
3. 应用案例和最佳实践
3.1 分析简单合约
假设您有一个简单的智能合约十六进制文件 simple_contract.hex,您可以使用以下命令进行分析:
python structurer.py simple_contract.hex
执行完毕后,您可以在 temp 目录下找到生成的 PDF 文件,这些文件将展示合约内部函数的结构。
3.2 处理失败情况
如果运行 Erays 时遇到失败的情况,您可以尝试使用以下命令:
python aggregator.py something_that_failed.hex -v
如果仍然失败,并且出现 "GARBAGE bytecode encountered" 的错误信息,这可能是因为字节码是在工具构建之后添加的,或者合约本身存在问题。
4. 典型生态项目
Erays 可以应用于多种区块链智能合约的分析,以下是一些典型的生态项目:
- 加密猫(CryptoKitties)合约:分析加密猫合约可以帮助理解其内部逻辑,以及如何处理猫咪的买卖和繁殖。
- 高价值钱包合约:分析这类合约可以了解其安全性和资金管理方式。
- 套利合约:分析套利合约可以学习如何利用市场差价进行利润最大化。
通过使用 Erays,开发者可以更深入地理解区块链智能合约的工作原理,从而更好地进行开发和安全审计。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
654
4.23 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
489
600
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
280
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
937
854
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
333
388
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.53 K
886
暂无简介
Dart
900
215
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
194
昇腾LLM分布式训练框架
Python
142
167