Nethereum中EIP-712复杂类型编码问题的分析与解决
2025-07-03 17:18:24作者:宗隆裙
问题背景
在使用Nethereum进行EIP-712类型数据签名时,开发者遇到了一个关于复杂类型编码的问题。具体表现为当结构体类型中包含嵌套的相同类型时,编码结果会出现重复的类型定义,导致签名验证失败。
问题现象
开发者定义了一个复杂的SessionSpec结构体,其中包含多个嵌套结构体:
- CallSpec(包含UsageLimit和Constraint数组)
- TransferSpec(包含UsageLimit)
- Constraint(又包含UsageLimit)
当使用Eip712TypedDataEncoder进行类型编码时,生成的类型字符串中UsageLimit类型出现了三次重复定义,而根据EIP-712规范,每种类型应该只出现一次。
技术分析
EIP-712规范明确规定:
- 结构体类型编码格式为:
类型名(成员1类型 成员1名,成员2类型 成员2名,...) - 如果结构体引用了其他结构体类型,需要收集所有被引用的结构体类型
- 这些被引用的结构体类型需要按名称排序后附加到编码中
- 每种类型应该只出现一次
Nethereum原有的实现中,在递归处理嵌套类型时,虽然对当前层级的类型进行了去重,但没有对最终返回的所有类型进行全局去重,导致当多个结构体引用同一类型时,该类型会被多次添加到结果中。
解决方案
核心修复方案是在递归处理完成后,对最终返回的所有类型进行一次全局去重。具体实现要点:
- 保持原有的递归处理逻辑不变
- 在返回结果前添加
.Distinct()操作 - 确保去重是基于类型名称进行的
修复后的代码确保了:
- 每种类型只会在最终编码中出现一次
- 仍然保持了所有必要的类型依赖关系
- 符合EIP-712规范的要求
影响与验证
该修复:
- 解决了签名验证失败的问题
- 保持了与主流区块链SDK(如viem、ethers等)的兼容性
- 不影响原有简单用例的正常工作
- 正确处理了复杂嵌套结构体的编码需求
最佳实践建议
在使用Nethereum处理EIP-712复杂类型签名时:
- 确保所有嵌套结构体都正确定义了StructAttribute
- 检查生成的类型编码是否符合预期
- 对于复杂的嵌套结构,建议先单独测试类型编码部分
- 保持Nethereum库的及时更新,以获取最新的修复和改进
该问题的解决展示了Nethereum团队对规范细节的严谨态度和对开发者问题的积极响应,为分布式应用开发提供了更可靠的签名功能支持。
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 K
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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146