深入了解区块链的漏洞之1：介绍篇

在这个系列里，我们将一起学习一篇论文：https://arxiv.org/pdf/2110.12162.pdf

这篇文章作者对区块链的脆弱性，采用独特地方法论，进行深入的探讨。为我们理解或梳理区块链的漏洞，提供了非常有意义的探索。下面是这篇论文的摘要和介绍。

摘要

大家都知道，区块链作为最近涌现出来的技术，其具有去中心化的特质，以及拥有加密货币属性和智能合约功能，让许多人都看好它，把它当作人类下一代IT革命的引擎技术。但是，区块链本质上是一款去中心化的超级账本软件，因此它不可避免地会存在软件上的漏洞。目前关于区块链的研究，大都聚焦在基于该技术智能合约和具体的应用上面，包括关于区块链安全方面也主要在合约和应用，而关于其底层系统级的安全漏洞则少有涉猎。这里，我们将针对具有代表性的区块链（比特币、以太坊等），探究区块链可能存在的系统漏洞。

目前关于区块链没有CVE信息发布系统，好在区块链都是开源的软件，因此我们收集它们Github上的Issues，以及PRs(pull requests)，并从中抽取了上千个区块链漏洞，以及超过2000多个的补丁，来让大家看到这个技术存在的系统漏洞，以及可以补救办法。我们把收集到的脆弱点构建了一个数据集，并在该数据集上，我们将开展三种层级的分析：、

1. 文件级，旨在找到易受攻击的模块，这个是通过不同区块链工程项目的模块路径来达到目标；
2. 文本级，旨在发现易受攻击的类型，这个是通过自然语法和NLP来达到目标；
3. 代码级，旨在寻找易受攻击的模式，这个则是通过分析处理补丁的代码片段来达到目标的。

经过仔细的分析，大家将会得到3个主要的发现：

1. 有此区块链的模块相比其它模块更值怀疑，特别是那些关于共识、钱包和网络的模块应当重点关注，因为它个每个都有超过200个的issues。
2. 区块链的漏洞类型70%以上是与传统软件上已有的，但在这里，将提出4种全新的类型。
3. 多达21种的专属于区块链的攻击模式，包括检查区块链的唯一属性，验证各种区块链状态；并在这里，我们将演示通过这些模式，怎样来找到这些区块链中的被攻击点。

介绍

自从区块链首次被Bitcoin作为其加密货币交易账本以来，它就成为许多加密货币的底层设施了。并且它促使加密货币市场指数级增长，截止2021年4月初，它的市值总额已超过了2万亿USD^[32]。而且基于这些区块链技术演进、智能合约，以及各类DApp也是如雨后春笋般涌现：像智能合约平台以太坊^[14]和超级账本Fabric^[9]，去中心化的计算平台星际文件系统IPFS^[13]和Blockstack^[8]，像去中心化金融（DeFi）^[55]，智能合约预言机^[61,62]，去中心化身份识别^[43]，去中心化IoT管理^[49]，基于去中心化应用市场^[17]等等。为了保护这些系统的去中心化，保护它们的紧密相关加密货币的安全性，这些区块链的安全就特别值得我们关注了。

目前关于区块链安全的研究，主要聚焦在智能合约漏洞检查和网络安全分析上。特别是许多程序静态分析工具，例如Oyente^[42], Zeus^[29],Securify^[52],Gigahorse^[25], 以及ETHBMC^[21], 它们都是基于语法的执行和模型检查，来探测智能合约可能存在的漏洞。而动态工具^{[19,27,47,51]}和基于学习的工具^[24,38,41]也被发明出来了。它们除了会进行应用程序级合约的分析，有此还会分析网络级的黑客攻击，挖矿攻击，以及交易执行级别攻击^{[20,31,63,66]}。然而，关于区块链本身自己系统的安全问题，则很少有人探究。据我们所知，目前只有一篇这样的研究^[53]（来自软件工程社区）是这个方向。在这篇研究中，它具体分析了946种区块链的bugs，其中涵盖了18个安全相关的bugs，并对其中4个进行了剖析。

在这篇文章中，我们从理解区块链的脆弱性目标出发，从4个有代表性的区块链（包括经典Bitcoin^[45], 智能合约平台以太坊^[14], 匿名coin Monero^[46], 以及支付网络Stellar^[39]）入手，来导出区块链实证存在的漏洞。这4种区块链不仅在加密货币市场广泛流行，而且也有扎实的技术文章支持。

本文的区块链漏洞探索的整体工作流程如下图所示：

正如上图所示，我们研究的第一步挑战就是要有效地收集这4个区块链中，易受攻击的issues，以及它们应对的补丁。这步的困难主要是针对这些区块链工程，基本没有可用的CVE（Common Vulnerabilities & Exposures）信息，以及大量原始的区块链bugs（超过34K）；我们只能从这此庞大的bugs数据源中去出与安全漏洞相关的bugs，如果完全通过手工的方式去提取，简直就是不可完成的任务。为此，我们基于这些漏洞会有不同的特征和不同级别的直觉，提出了个过滤框架，让我们可以通过分析bug的属性，由粗到精地逐步识别出侯选的漏洞。具体的，我们将针对提交、文件、标签和关键词4种级别，来执行过滤。最后，我们获得了1037个