TON区块链账户随机种子计算中的未定义行为分析
2025-06-20 20:48:19作者:乔或婵
背景介绍
在TON区块链的核心代码中,存在一个关于账户随机种子(randseed)计算的安全隐患。这个随机种子在智能合约执行过程中扮演着重要角色,用于生成随机数和确保交易执行的确定性。本文将深入分析这个问题的技术细节及其影响。
问题本质
问题出现在Account类的addr_rewrite字段处理上。该字段被定义为32位的位数组(BitArray<32>),但在计算随机种子时,代码却尝试从中读取256位数据。这种越界访问行为在C++中属于未定义行为(UB),可能导致不可预测的结果。
技术细节分析
-
数据结构定义:
addr_rewrite字段被明确定义为32位数组- 该字段通过
addr.bits()初始化,由于目标类型限制,只取前32位
-
问题代码: 在计算随机种子时,代码错误地尝试从32位数组中读取256位数据:
(data.bits() + 256).copy_from(account.addr_rewrite.cbits(), 256)这种操作实际上会越界访问相邻的内存区域,在TON的实现中恰好是
addr字段。 -
实际行为:
- 当前实现实际上计算的是:
hash(block_seed + addr_rewrite[0..32] + addr[0..224]) - 预期行为应该是:
hash(block_seed + full_address)
- 当前实现实际上计算的是:
影响评估
-
技术债务: 当前实现隐式依赖
addr_rewrite和addr字段的内存布局顺序,这种隐式依赖形成了技术债务。 -
兼容性考虑: 由于该行为可能已被部分合约依赖,直接修复可能影响现有合约的执行结果。
-
安全性: 虽然当前实现"碰巧"能工作,但依赖未定义行为始终存在风险,特别是在不同编译器或平台下可能表现不同。
解决方案
TON开发团队已经注意到这个问题,并计划在配置版本升级时修复:
-
短期方案: 保留当前行为但明确其实现,消除对内存布局的隐式依赖。
-
长期方案: 在Config8.version>=8时完全修复此问题,目前测试网分支已包含相关补丁。
开发者建议
对于TON智能合约开发者,应当注意:
- 避免过度依赖随机种子的具体生成算法
- 在关键业务逻辑中不要仅依赖链上随机数
- 关注TON的版本更新公告,特别是配置版本升级可能带来的行为变化
这个问题展示了区块链底层开发中的典型挑战——在保持向后兼容性的同时修复底层实现问题。TON团队采取的渐进式修复策略值得借鉴。
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。C037
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
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。C00
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TSX0115
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
433
3.29 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++
689
352
Ascend Extension for PyTorch
Python
237
271
暂无简介
Dart
690
162
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
仓颉编程语言运行时与标准库。
Cangjie
143
881
React Native鸿蒙化仓库
JavaScript
266
327
openJiuwen 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
TSX
211
115
仓颉编译器源码及 cjdb 调试工具。
C++
138
869