Solidity项目中的SMTChecker返回值分析问题解析
2025-05-08 23:55:25作者:吴年前Myrtle
在Solidity智能合约开发中,形式化验证工具SMTChecker对于确保合约安全性具有重要意义。近期在Solidity项目中出现的关于SMTChecker无法确定函数返回值的问题,揭示了静态分析工具在处理不同验证场景时的行为差异。
当开发者使用BMC(Bounded Model Checking)引擎验证包含状态变量运算的返回值时,工具会报告"Unable to determine the return value"的警告。这种情况典型地出现在类似以下代码结构中:
contract C {
uint x;
function f() public view returns (uint) {
return x+1;
}
function test() public {
uint256 result = f();
assert(result == 1);
}
}
问题的本质在于BMC引擎的验证机制特性。作为有界模型检查器,BMC不会跟踪状态变量的完整变化历史,因此无法确定x的初始值。这种设计选择源于验证效率的考虑,因为完整的状态跟踪会显著增加验证复杂度。
相比之下,当验证目标变为跨合约调用时,SMTChecker展现出不同的行为特征:
contract Callee {
function getValue() public pure returns (int) {
return 2;
}
}
contract Caller {
Callee public callee;
function test() public {
callee = new Callee();
assert(callee.getValue() == 2);
}
}
在这个场景中,即使涉及跨合约调用,由于被调用函数返回的是确定常量值,验证工具能够正确分析返回值。这揭示了SMTChecker处理不同验证上下文时的智能判断能力。
对于需要验证包含状态运算的复杂场景,开发者可以采用CHC(Constrained Horn Clauses)引擎替代BMC。CHC引擎通过更强大的逻辑推理能力,能够处理涉及状态变量变化的验证需求。此外,通过--model-checker-ext-calls trusted参数配置,开发者可以指示验证工具信任已知合约的外部调用,从而扩展验证范围。
这个案例给Solidity开发者带来的重要启示是:
- 理解不同验证引擎的特性差异
- 对于状态依赖型函数,优先考虑使用CHC引擎
- 合理配置验证工具参数以匹配实际验证需求
- 在合约设计阶段就考虑形式化验证的可行性
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
661