Foundry框架中startPrank在delegatecall场景下的异常行为分析
2025-05-26 15:16:22作者:晏闻田Solitary
问题概述
在使用Foundry测试框架进行智能合约测试时,开发者发现vm.startPrank方法在结合delegatecall使用时存在一个特殊问题:当调用地址(msg.sender)具有余额时,delegatecall操作会失败;而将地址余额设置为零后,同样的操作却能成功执行。
技术背景
Foundry测试框架
Foundry是区块链智能合约开发工具链中的测试框架,提供了丰富的作弊码(cheatcodes)来模拟各种区块链环境条件。其中vm.startPrank用于设置后续调用的msg.sender地址,是测试合约交互的重要工具。
delegatecall机制
delegatecall是区块链中一种特殊的调用方式,它允许合约A在合约B的上下文中执行代码,但保持合约A的存储状态。这种机制被广泛用于代理合约和可升级合约模式中。
问题重现
开发者提供了四个测试用例来展示这一异常行为:
- 测试失败案例:使用具有余额的地址(0x0fe...)进行
delegatecall,操作失败 - 成功案例1:将同一地址余额设为零后,
delegatecall成功 - 成功案例2:使用另一个初始余额为零的地址(0xd36...),
delegatecall成功 - 失败案例2:当给成功案例2中的地址赋予余额后,
delegatecall又失败
技术分析
异常行为特征
从测试案例可以看出,delegatecall的成功与否与调用地址的余额状态直接相关:
- 地址余额 > 0:
delegatecall失败 - 地址余额 = 0:
delegatecall成功
这种关联性表明Foundry在实现startPrank的delegatecall模式时,可能没有正确处理具有余额的调用者地址。
潜在原因推测
- 状态管理冲突:Foundry可能在模拟
delegatecall时,未能正确处理调用者地址的余额状态,导致执行环境异常 - gas计算问题:具有余额的地址可能在
delegatecall过程中触发了不同的gas计算路径 - 上下文保存不完整:
delegatecall需要完整保存调用者上下文,余额信息可能干扰了这一过程
影响范围
这一bug主要影响以下测试场景:
- 测试代理合约的可升级功能
- 测试使用
delegatecall的库合约 - 任何依赖
startPrank模拟特定调用者进行delegatecall的测试用例
临时解决方案
开发者可以通过以下方式规避此问题:
- 在调用
startPrank后立即使用vm.deal将调用地址余额设为零 - 选择初始余额为零的地址作为测试调用者
- 避免在
delegatecall测试场景中使用具有余额的调用地址
总结
Foundry框架中的startPrank方法在delegatecall模式下与调用地址余额存在兼容性问题。这一bug影响了涉及代理模式和合约升级的测试场景。开发者在相关测试中应当注意调用地址的余额状态,或等待官方修复此问题。理解这一异常行为有助于开发者编写更健壮的测试用例,避免在复杂合约交互测试中遇到意外失败。
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
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218