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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
531
3.74 K
openEuler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。
C
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
772
191
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
12
1
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
986
247
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
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355