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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
186
205
暂无简介
Dart
629
143
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
React Native鸿蒙化仓库
JavaScript
242
316
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
383
3.62 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210
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
291
103
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++
648
266
仓颉编译器源码及 cjdb 调试工具。
C++
128
858