Cardano节点中的代币燃烧交易反序列化问题解析
问题背景
在Cardano区块链的本地测试网络环境中,开发团队发现了一个与代币燃烧操作相关的反序列化问题。具体表现为:当尝试燃烧-1个代币时,交易无法通过cardano-submit-api的反序列化检查,而燃烧-10个代币的交易却能正常通过。
技术细节分析
这个问题出现在Cardano节点v8.8.0版本中,主要涉及Mary时代的原生代币功能。从技术角度来看,这是一个典型的序列化/反序列化不一致问题。
交易的核心部分包含以下关键元素:
- 输入:指定了UTXO的引用
- 输出:包含接收地址和金额
- 铸造字段:包含代币燃烧操作(负值表示燃烧)
- 见证:包含签名验证信息
问题交易的特殊之处在于其铸造字段尝试燃烧-1个特定代币(资产名为"handle1")。从YAML格式的交易视图来看,交易结构本身是合法的,且可以通过cardano-cli工具进行完整的往返序列化测试。
错误表现
当通过cardano-submit-api提交交易时,系统会抛出反序列化失败的错误:
DecoderFailure (LocalTxSubmission... (DeserialiseFailure 56 "expected word")
这表明在反序列化过程中,系统在某个位置期望读取到一个"word"类型的数据,但实际得到的内容不符合预期。
根本原因
经过Cardano开发团队的深入调查,发现问题出在解码环节而非交易本身。具体来说,是处理反序列化失败时的PredicateFailure机制存在问题。当系统尝试解析包含特定负值(如-1)的代币数量时,解码逻辑未能正确处理这种情况。
解决方案
该问题已在cardano-ledger仓库的PR#4288中得到修复。修复的核心是改进了反序列化逻辑,使其能够正确处理各种边界情况下的代币数量值,包括负值情况。
技术启示
这个问题为我们提供了几个重要的技术启示:
-
边界值测试的重要性:即使是看似简单的数值操作(如代币数量的增减),也需要对各种边界值进行充分测试。
-
序列化一致性:在区块链系统中,序列化和反序列化的一致性至关重要,任何微小的不匹配都可能导致交易被拒绝。
-
错误处理机制:完善的错误处理机制(如
PredicateFailure)需要能够覆盖所有可能的异常情况。 -
工具链验证:不同工具(如
cardano-cli和cardano-submit-api)之间的行为一致性需要得到保证。
总结
这个案例展示了区块链系统中一个典型的数据序列化/反序列化问题。虽然表面上看是简单的数值处理问题,但实际上涉及到底层协议实现的多个层面。Cardano开发团队通过及时修复这个问题,进一步增强了系统的稳定性和可靠性,为处理各种复杂的代币操作提供了更坚实的基础。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00