Aptos-core对象代码部署中的AuthRef机制解析
2025-06-03 08:22:24作者:俞予舒Fleming
背景与现状
在Aptos-core区块链平台中,开发者可以通过两种主要方式部署智能合约代码:基于资源账户(resource account)的部署和基于对象(object)的部署。当前版本中,当使用object_code_deployment::publish在对象下发布包时,模块在初始化期间无法获取发布对象的ExtendRef引用,这导致了几个关键问题:
- 资金锁定风险:发送到对象主可替代存储(fungible store)的资金可能永久锁定,因为无法为该对象生成签名者
- 开发复杂性增加:开发者不得不采用变通方案,如创建额外的对象来存储ExtendRef
- 功能不对称:与资源账户部署相比,对象部署缺少了初始化期间获取签名能力的关键功能
技术痛点分析
对象模型的核心安全机制是将ExtendRef安全地封装在ManagingRefs结构中。这种设计虽然提供了良好的安全性,但也带来了使用上的不便:
- 签名能力缺失:无法为已部署代码的对象生成签名者,限制了合约功能
- 资金管理困难:对象的原生地址无法被合约本身控制,导致资金管理受限
- 开发模式不统一:与资源账户模式存在体验差异,增加了开发者的认知负担
解决方案设计
提出的AuthRef机制提供了一种优雅的解决方案,其核心设计包含三个关键组件:
1. AuthRef结构体
struct AuthRef has store {
object_address: address
}
这个轻量级结构体仅存储对象地址,作为生成签名者的凭据。
2. 生成函数
public fun generate_auth_ref(publisher: &signer): AuthRef
在模块初始化时调用,基于发布者签名生成AuthRef。
3. 签名者生成函数
public fun generate_signer_for_auth(auth_ref: &AuthRef): signer
使用存储的AuthRef生成对象签名者,内部安全地访问ManagingRefs中的ExtendRef。
实现优势
-
安全性保持:
- 不直接暴露ExtendRef
- 仍然通过ManagingRefs进行安全访问
- 符合Move的能力安全模型
-
开发体验提升:
- 使用模式与资源账户的SignerCapability相似
- 消除了资金锁定的风险
- 减少了额外的对象创建需求
-
兼容性保障:
- 不需要修改现有的发布流程
- 完全向后兼容
- 不影响现有合约功能
典型使用场景
开发者可以按照以下模式使用AuthRef机制:
// 1. 在模块初始化时存储AuthRef
fun init_module(publisher: &signer) {
let auth_ref = object_code_deployment::generate_auth_ref(publisher);
move_to(publisher, GlobalAuthRef { auth_ref });
}
// 2. 在需要时生成签名者
public fun get_signer(): signer acquires GlobalAuthRef {
let auth_ref = &borrow_global<GlobalAuthRef>(@module_addr).auth_ref;
object_code_deployment::generate_signer_for_auth(auth_ref)
}
// 3. 使用签名者执行特权操作
public fun privileged_operation() acquires GlobalAuthRef {
let signer = get_signer();
// 使用签名者进行操作...
}
技术影响评估
这一改进将对Aptos生态系统产生多方面影响:
- 开发者体验:降低对象部署模式的学习曲线,使其更接近资源账户的使用体验
- 合约能力:解锁了对象地址资金管理的能力,扩展了合约设计可能性
- 安全模型:保持了对象模型的安全优势,同时增加了必要的灵活性
- 生态系统发展:可能促进更多项目采用对象部署模式,丰富Aptos的DApp生态
总结
AuthRef机制的引入填补了Aptos-core对象代码部署功能中的一个重要空白,在保持安全性的同时显著提升了开发便利性。这一改进体现了区块链平台设计中安全与可用性平衡的艺术,为开发者提供了更强大的工具,同时不妥协于核心安全原则。随着这一功能的实现,Aptos的对象模型将变得更加强大和易用,有望推动更多创新应用的开发。
登录后查看全文
热门项目推荐
相关项目推荐
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
223
302
Ascend Extension for PyTorch
Python
105
135
暂无简介
Dart
568
127
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++
599
164
🎉 (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
1.03 K
607
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
448
openGauss kernel ~ openGauss is an open source relational database management system
C++
154
205
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
283
26