KeyFrame內部研究專用

Honeypots – Hacker traps on the blockchain - Noah Jelic, DeFi Security Summit 2023

DeFi Security Summit - DSS·7月17日週一·10 min英文

三句話摘要

區塊鏈智能合約蜜罐:黑客的陷阱與檢測方法 智能合約蜜罐利用代碼複雜性與時間壓力有效騙取攻擊者資金,防護需要結合符號分析、交易監控和機器學習的多層檢測策略。 蜜罐的核心機制在於視覺欺騙與代碼缺陷的結合。設計者在合約中創造看起來可以竊取資金的條件(如超額發送觸發提取),但實際上只有部署者能通過隱藏路徑提取,使用者的交易永遠無法成功。

重點整理

重點
  • 1

    蜜罐的核心機制在於視覺欺騙與代碼缺陷的結合。設計者在合約中創造看起來可以竊取資金的條件(如超額發送觸發提取),但實際上只有部署者能通過隱藏路徑提取,使用者的交易永遠無法成功。

  • 2

    黑客之所以容易上當,是因為時間壓力與工具依賴。大多數黑客只有一分鐘時間在記憶池發現機會,並且許多人只會運行掃描工具而不理解代碼邏輯,導致無法識別複雜的蜜罐結構。

  • 3

    檢測方法需要專業知識與工具結合。符號求解(symbolic solver)、交易模式分析、機器學習分類都可用於已知類型蜜罐的檢測,但需要先建立訓練數據集並理解特定攻擊場景。

  • 4

    蜜罐的演進體現了攻防軍備競賽。除了邏輯漏洞外,講者發現了Unicode字符混淆(如用希臘問號替換分號)、括號移除、Etherscan顯示缺陷等進階手法,這些利用了區塊鏈透明度不完全與人類認知偏差。

實用技巧與重點

乾貨
  • 蜜罐類型與案例:
  • 乘法器蜜罐:if語句被編譯器刪除導致檢查無效
  • 山丘之王遊戲(King of the Hill):雙owner變數,僅原始owner能提取資金
  • 禮物盒(Gift Box):SetPass函數預設零雜湊值可被利用
  • 數據統計(檢測時間點約2周前):
  • 總智能合約:200萬個
  • 唯一合約:15萬個→60萬個(現在)
  • 檢測到的蜜罐:300個(不計重複)
  • 部署總數:2500個(含重複)
  • 產生現金流:5萬美元
  • 利潤來源分布:
  • Etherscan顯示問題:主要利潤來源
  • Balance漏洞類
  • 代碼邏輯問題
  • 進階混淆手法:
  • Unicode字符混淆(希臘問號替換分號)
  • Zeppelin Access Control庫變數重定義
  • 括號移除使代碼功能隱藏
  • 檢測工具與方法:
  • SmartBox項目GitHub程式庫
  • 符號求解器(Symbolic Solver)
  • 交易模式分析
  • 機器學習分類(基於字節碼訓練數據)

結論

結論

智能合約蜜罐利用代碼複雜性與時間壓力有效騙取攻擊者資金,防護需要結合符號分析、交易監控和機器學習的多層檢測策略。

完整解析

詳細

智能合約蜜罐是區塊鏈安全領域一個隱匿但真實的威脅。Hacken的安全研究員Noah在本次分享中揭示,這類合約本質上是精心設計的陷阱:它們看起來存在明顯的邏輯漏洞,允許任何人通過特定操作(如發送超過合約余額的金額)來提取資金,但實際上只有合約部署者能成功提取。

蜜罐之所以有效,首先源於黑客的時間與認知限制。在DeFi生態中,黑客只有大約一分鐘時間在記憶池中發現並利用漏洞,否則會被其他人搶先。許多黑客缺乏深入的代碼審計能力,只依賴自動掃描工具運行,這使他們難以識別設計精妙的蜜罐。講者舉了多個具體案例:山丘之王遊戲採用雙owner變數策略,構造函數初始化左邊的owner並在其修改器中使用,但右邊的owner才是實際被修改的,導致原始owner永遠能調用提取函數;禮物盒則通過Etherscan的顯示缺陷,將SetPass函數的隱藏調用隱匿起來,讓攻擊者無法在區塊瀏覽器上直接看到交易細節。

進階蜜罐甚至使用Unicode字符混淆,比如用希臘問號(;)替換標準分號(;),或利用Solidity編譯器的特性——如括號調用語句被編譯器移除——使代碼在人類眼中看起來與實際執行邏輯完全不同。這些手法充分利用了區塊鏈透明度的矛盾:雖然所有代碼和交易都公開,但人類的代碼閱讀與工具掃描能力遠不如設計者的預期。

根據研究數據,在200萬個智能合約中(檢測時間約兩周前),僅15萬個是唯一設計,現在這個數字增長到60萬個。檢測到的300個蜜罐合約(計重複部署達2500個)產生了5萬美元至500萬美元的現金流規模,其中Etherscan透明度不足是最大的利潤來源,其次是Balance漏洞和邏輯代碼缺陷。這表明蜜罐並非小規模騙局,而是一個成熟的攻擊向量。

檢測蜜罐需要組合使用符號求解、交易模式分析和機器學習分類等方法。符號求解器適合檢測已知類型的蜜罐,通過設定特定場景約束來識別不可達代碼路徑;交易模式分析由事件檢測團隊擅長,可通過交易歷史識別異常提取行為;機器學習方法則需要先用符號工具生成訓練數據集,對合約字節碼進行分類。講者提到SmartBox項目在GitHub上開源,提供了通用的蜜罐檢測工具聚合器,感興趣的安全研究者可參考該項目進行深入研究。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「Web3 安全」的內容

IF YOU OWN XRP YOU NEED TO SEE THIS PRICE MANIPULATION! ⚠️
8 min
Web3 安全英文8月14日

IF YOU OWN XRP YOU NEED TO SEE THIS PRICE MANIPULATION! ⚠️

Zach Humphries

  • 機構支撐的積極意義:價格操縱常被視為負面,但Ripple掌握大量XRP供應與escrow,在熊市期間提高價格下限,實際上替零售投資者鎖定了低風險的積累區間,這不是剝削而是市場穩定機制。
  • 歷史模式驗證:2024年7月至11月XRP在50美分附近橫盤整理,低點觸及42美分(wick),高點65美分;隨後11月5日至12月5日單月上漲456%,年底到2025年初累計漲幅534%,這個歷史周期正在1美元價位重演。
  • 比特幣聯動邏輯:講者在4-5月就預測「如果比特幣跌至60k以下,XRP會跌至1美元或更低」,此預測精準應驗,反映出熊市中兩者的明確連動關係。
Minimmit, Multimmit and the New Consensus Frontier with Patrick O'Grady
72 min
Web3 安全英文PODCAST8月5日

Minimmit, Multimmit and the New Consensus Frontier with Patrick O'Grady

Zero Knowledge

  • 反向 Linux 架構:Commonware 刻意暴露棧各層級控制,讓開發者自訂執行環境、共識機制、密碼學實現,而非像 Cosmos SDK 只允許應用層以上定制。2-3 個月能組裝一條定製鏈,代價是額外深度但回報是長期維護成本降低及效能優化彈性。
  • 容錯假設的典範轉移:Alpine Glow(Solana 2025)實現單輪投票定終的關鍵是將容錯預算分離為獨立的 Byzantine 和 Crash 容限。傳統系統把 33% 當一個整體預算;新模型允許 20% 惡意加 20% 崩潰,打破了 PBFT 理論界線,釋放單輪設計空間。
  • Minimet 與 Multimet 的遞進:Minimet 是 5F+1 設定下的乾淨構造,實現更短視圖延遲;Multimet(剛發布)進一步允許並行 mini-commits 且驗證者可推翻領導者審查,使用者交易在全球分布式網路達到 200-300 毫秒端到端定終。
Private Information Retrieval (PIR) with Alex Hoover
64 min
Web3 安全英文PODCAST7月29日

Private Information Retrieval (PIR) with Alex Hoover

Zero Knowledge

  • PIR 保護的是訪問模式,不是資料本身
  • PIR 與加密不同,它關注的是隱藏「客戶端查詢了什麼」,而非「資料是否加密」。在公開資料庫(如區塊鏈)上,客戶端可以在不洩露查詢對象給伺服器的情況下檢索特定條目,解決了輕量級客戶端的隱私和防審查問題。
  • 客戶端預處理方案是突破瓶頸的關鍵