Foundry项目中vm.expectRevert在UUPS代理升级测试中的异常行为分析
在智能合约开发中,使用Foundry进行单元测试是确保合约安全性的重要环节。本文将深入分析一个在Foundry测试UUPS代理升级时遇到的异常行为,特别是关于vm.expectRevert未能正确捕获预期错误的问题。
问题背景
在测试UUPS(Universal Upgradeable Proxy Standard)代理合约的升级功能时,开发人员通常会模拟不同权限场景下的升级操作。特别是需要验证当非合约所有者尝试升级时,合约是否能正确回滚并抛出预期的授权错误。
正常情况下,我们可以使用Foundry提供的vm.expectRevert来断言特定错误。然而,在某些UUPS代理升级场景中,这个断言机制会出现异常行为。
问题现象
当使用openzeppelin-foundry-upgrades库中的UnsafeUpgrades.upgradeProxy方法进行升级测试时,如果尝试从非所有者账户触发升级,预期应该捕获OwnableUnauthorizedAccount错误。但实际测试中:
- 测试配置了
vm.expectRevert来捕获特定错误 - 使用
vm.prank模拟非所有者调用 - 执行
UnsafeUpgrades.upgradeProxy升级操作
结果测试并未如预期捕获到授权错误,而是出现了EvmError: Revert的通用回滚错误。从堆栈跟踪看,执行流程似乎越过了预期的权限检查点,在后续的UPGRADE_INTERFACE_VERSION()调用处失败。
技术分析
根本原因
这个问题源于Foundry对vm.expectRevert的实现机制。expectRevert主要用于断言外部调用中的回滚错误,而UnsafeUpgrades.upgradeProxy是一个内联(inline)的库函数调用。当这个库函数被内联到测试合约中时,Foundry的回滚断言机制无法正确捕获其中的错误。
代理升级流程解析
在UUPS代理模式中,升级操作涉及以下关键步骤:
- 外部调用代理合约
- 代理合约通过delegatecall将调用委托给实现合约
- 实现合约执行
upgradeTo函数 _authorizeUpgrade函数进行权限检查
当权限检查失败时,错误应该从实现合约传播回代理合约,最终被测试框架捕获。但由于内联调用和delegatecall的交互,错误传播路径被打断。
解决方案
要解决这个问题,我们需要确保升级操作通过外部调用来执行,使vm.expectRevert能够正确捕获错误。具体实现如下:
- 创建一个专用的升级器合约:
contract Upgrader {
function upgradeProxy(address proxy, address newImpl, bytes memory data, address tryCaller) external {
UnsafeUpgrades.upgradeProxy(proxy, newImpl, data, tryCaller);
}
}
- 在测试中改为调用这个外部合约:
Upgrader upgrader = new Upgrader();
vm.expectRevert(expectedRevertData);
upgrader.upgradeProxy(proxyAddress, address(tokenV2Impl), bytes(""), nonOwner);
这种方法确保了升级操作通过外部交易执行,使Foundry能够正确捕获和断言预期的回滚错误。
最佳实践建议
- 对于涉及复杂调用链(特别是包含delegatecall)的测试场景,优先通过外部合约来执行关键操作
- 在测试代理合约升级时,明确区分测试调用是内部调用还是外部调用
- 对于权限检查等关键安全功能,考虑使用多种测试方法来验证其正确性
- 在测试日志中添加详细的调用跟踪信息,帮助定位问题
总结
本文分析了Foundry测试框架中vm.expectRevert在UUPS代理升级测试场景下的异常行为,揭示了内联调用与错误断言机制的交互问题,并提供了可靠的解决方案。理解这些底层机制对于编写可靠的智能合约测试至关重要,特别是在涉及复杂调用模式和权限控制的场景中。
通过采用外部合约封装关键操作的方法,我们可以确保测试断言能够正确工作,从而更有效地验证合约的安全性和正确性。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00