Aptos-core对象代码部署中的AuthRef机制解析
2025-06-03 14:17:53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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137