Foundry项目中的不变性测试状态变更问题分析
2025-05-26 00:02:57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
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-1.5暂无简介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
185
196
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
1.03 K
480
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
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210