Learn EVM Attacks 项目教程
2024-08-11 20:36:42作者:滕妙奇
项目介绍
Learn EVM Attacks 是由 Coinspect Security 维护的一个开源项目,旨在为开发者提供一个学习 Ethereum Virtual Machine (EVM) 攻击和漏洞的教育资源。该项目通过重现超过 40 个 EVM 链上的攻击,包括实际被利用的攻击和一些在漏洞赏金中报告的攻击,帮助开发者深入理解智能合约的安全性。
项目快速启动
环境准备
在开始之前,请确保你已经安装了 Foundry,这是一个用于区块链开发的工具包。
# 安装 Foundry
curl -L https://foundry.paradigm.xyz | bash
foundryup
克隆项目
# 克隆项目仓库
git clone https://github.com/coinspect/learn-evm-attacks.git
cd learn-evm-attacks
安装依赖
# 安装项目依赖
forge install
运行测试
选择一个你想学习的漏洞,例如 MBCToken,然后运行相应的测试。
# 运行特定漏洞的测试
forge test --match-contract Exploit_MBCToken -vvv
应用案例和最佳实践
案例分析:Tornado Cash Governance Takeover
Tornado Cash 是一个去中心化的隐私服务,其治理系统曾被攻击。通过学习这个案例,开发者可以了解如何通过智能合约的漏洞来接管治理系统。
最佳实践
- 代码审计:在部署智能合约之前,进行彻底的代码审计,确保没有已知的漏洞。
- 安全编码标准:遵循最佳的安全编码实践,如使用 SafeMath 库来防止整数溢出。
- 持续监控:部署后持续监控智能合约的活动,以便及时发现异常行为。
典型生态项目
Defihacklabs
Defihacklabs 是一个专注于去中心化金融(DeFi)安全研究的项目,提供了许多关于 DeFi 项目安全性的资源和工具。
OpenZeppelin
OpenZeppelin 提供了一系列的智能合约标准和安全工具,帮助开发者构建更安全的去中心化应用。
通过结合 Learn EVM Attacks 和其他生态项目,开发者可以更全面地理解智能合约的安全性,并采取相应的措施来保护他们的项目。
登录后查看全文
热门项目推荐
相关项目推荐
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
394
292
暂无简介
Dart
911
219
🎉 (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
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
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
1.07 K
557