Foundry项目中的不变性测试状态变更问题分析
2025-05-26 15:07:41作者:贡沫苏Truman
问题背景
在Foundry项目的测试框架中,不变性测试(invariant testing)是一种强大的模糊测试技术,用于验证智能合约在随机输入序列下保持某些不变性质。然而,近期发现了一个关键问题:在执行过程中,测试状态的变化可能导致测试意外失败或返回错误信息。
技术细节
问题的核心在于测试执行期间状态变更与测试用例生成的交互方式。具体表现为:
-
策略生成机制:在生成模糊测试参数时,系统会从状态字典中获取值。对于地址类型参数,会过滤掉预部署的库地址。
-
状态变更影响:测试执行期间通过
collect_data更新字典状态,这会改变随机数生成器(RNG)状态,进而影响后续的测试用例生成。 -
Proptest库行为:Proptest库在执行测试后尝试构造错误信息时,会再次访问当前测试用例(
case.current()),而此时状态已经改变,可能导致:- 返回与原始测试用例不同的输入
- 在极端情况下返回
None导致panic
问题复现与验证
通过修改测试代码可以稳定复现此问题:
- 在地址生成策略中强制返回预部署库地址
- 观察测试执行流程
- 确认Proptest在错误处理阶段尝试获取已变更的测试用例
测试表明,状态变更确实会导致测试框架无法准确追踪导致失败的原始输入。
解决方案探讨
针对此问题,团队讨论了多种解决方案:
-
避免测试期间变更RNG状态:
- 优点:从根本上解决问题
- 缺点:限制了测试的动态性,无法利用新创建合约的地址
-
修改Proptest库:
- 使其不依赖
case.current()获取测试后用例 - 挑战:Proptest社区响应速度慢,合并PR周期长
- 使其不依赖
-
回退策略:
- 当从状态获取的地址是预部署库时,回退到常规地址模糊策略
- 保持状态动态性同时避免panic
-
确定性地址递增:
- 当遇到无效地址时,确定性地递增直到找到有效地址
- 保证结果一致性同时避免过滤操作
最终解决方案
经过多次讨论和验证,团队选择了以下解决方案:
- 在地址生成策略中使用确定性RNG来生成替代地址
- 当遇到预部署库地址时,通过局部RNG生成新地址
- 确保始终返回有效地址,避免
None导致的panic
这种方法既保持了测试状态的动态性,又避免了Proptest库的行为问题,同时对模糊测试性能影响最小。
经验总结
此问题的解决过程提供了几个重要启示:
- 测试框架与状态管理系统的交互需要谨慎设计
- 外部依赖库的行为假设需要充分验证
- 在保持功能完整性和避免panic之间需要权衡
- 模糊测试策略的设计需要考虑执行环境的动态性
Foundry团队通过这个问题进一步优化了不变性测试的可靠性,为智能合约开发者提供了更健壮的测试工具。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C048
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
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
VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 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 STM32到GD32项目移植完全指南:从兼容性到实战技巧 Python开发者的macOS终极指南:VSCode安装配置全攻略 PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 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 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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
440
3.35 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++
818
390
Ascend Extension for PyTorch
Python
248
285
React Native鸿蒙化仓库
JavaScript
275
329
暂无简介
Dart
701
164
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
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
135
48
🎉 (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
1.23 K
677
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
554
110