Foundry项目中的不变性测试状态变更问题分析
2025-05-26 18:00:04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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedJavaScript094- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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
热门内容推荐
最新内容推荐
3步掌握Mermaid Live Editor:让图表创作效率提升10倍3个高效研究工具,让你的学术工作流提升80%效率3步搞定黑苹果EFI:OpCore Simplify如何革新你的配置体验如何使用密码安全检测工具提升系统防护能力零基础2024新版:3步打造专属微信群智能助手3个高效技巧:ChilloutMix NiPrunedFp32Fix让你快速生成超逼真图像3步解锁OpCore Simplify:告别OpenCore配置烦恼,新手也能轻松上手如何3秒提取屏幕文字?Windows OCR工具实战指南Linux Notion客户端:如何突破生态壁垒实现无缝集成AI建筑设计草图生成工具:用ChilloutMix NiPrunedFp32Fix释放创意潜能
项目优选
收起
暂无描述
Dockerfile
700
4.5 K
Ascend Extension for PyTorch
Python
563
691
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
JavaScript
521
93
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++
956
951
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
411
338
🎉 (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
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
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++
128
209
昇腾LLM分布式训练框架
Python
148
176
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
140
221