深度拆解DeFi经典漏洞案例,Sonne Finance Exploit

news2026/3/18 7:44:21
在 DeFi 安全事件中发生在 Sonne Finance上的漏洞非常具有研究价值。攻击者并没有利用传统的重入漏洞或闪电贷操纵而是利用 借贷协议中“利率与份额计算的精度错误”最终在几笔交易中抽走约 2000 万美元资产。这类漏洞本质属于 share accounting error在 Compound 系借贷协议分叉项目中非常常见。一旦某个市场的 totalSupply 或 totalBorrow 出现精度偏差攻击者就可以用极小成本放大资产价值从而套取协议资金。Sonne Finance 的核心机制来自 Compound Protocol 的 cToken 模型。在该模型中用户存入资产后会获得一个代表份额的 token例如deposit token → receive sToken关键变量包括uint totalSupply; // sToken 总量uint totalBorrows; // 总借款uint totalReserves; // 协议储备uint exchangeRate; // token ↔ sToken 汇率汇率计算公式通常为exchangeRate (cash totalBorrows - totalReserves) / totalSupply这里隐藏着一个极其关键的假设 totalSupply 必须足够大如果 totalSupply 极小就会出现 精度放大攻击。在 Sonne Finance 事件中攻击者专门寻找 刚刚上线、几乎没人使用的市场。这些市场的 totalSupply 非常小这给攻击提供了空间。攻击流程可以拆解为五个步骤。第一步攻击者存入极小资产例如只存入 1 wei 的 token。function mint(uint mintAmount) external {uint exchangeRate exchangeRateStored();uint mintTokens mintAmount / exchangeRate;totalSupply mintTokens;}由于 exchangeRate 计算精度问题mintTokens 可能接近 0 或 1。第二步操纵汇率攻击者随后向市场 直接转入大量 token而不是通过 mint。transfer(token → contract)注意很多 Compound fork 的市场 允许直接转账进入池子。此时cash ↑totalSupply 不变于是 exchangeRate 暴涨。第三步借贷逻辑被误导借贷逻辑通常会使用 exchangeRate 来计算抵押价值collateralValue sTokenAmount * exchangeRate由于 exchangeRate 被人为抬高攻击者的 1 个 sToken suddenly worth millions。第四步借出大量资产攻击者随后调用借贷函数function borrow(uint borrowAmount) external {require(accountLiquidity(msg.sender) borrowAmount);totalBorrows borrowAmount;}系统认为攻击者抵押资产价值极高于是允许借出巨额资金。第五步抽走流动性攻击者借出USDCWETHOP然后把资金跨链转移并洗出协议。攻击路径可以简化为1. mint tiny amount2. manipulate pool cash3. inflate exchangeRate4. borrow huge assets5. drain liquidity代码层面最大的设计问题是 exchangeRate 依赖 totalSupply但系统没有限制最小流动性。典型危险代码结构如下function exchangeRateStored() public view returns (uint) {if (totalSupply 0) {return initialExchangeRate;}return (cash totalBorrows - totalReserves) / totalSupply;}当 totalSupply 接近 0 时exchangeRate → extremely large于是产生严重的价值错估。从安全审计角度这个漏洞暴露了 DeFi lending 协议常见的三个设计问题。第一个问题缺少最小流动性锁定很多成熟协议会在池子创建时锁定一部分 liquidity例如MIN_LIQUIDITY 1000避免 totalSupply 太小。第二个问题直接转账影响核心变量协议没有限制token.transfer(pool)这种行为会改变 cash却不会更新会计状态。第三个问题依赖链上状态的价格计算exchangeRate 并非真实市场价格而是内部 accounting value。攻击者只需要操纵 accounting 就可以影响借贷额度。这类漏洞的修复方式通常包括 强制最小流动性require(totalSupply MIN_SUPPLY); 禁止直接 token transfer使用 ERC4626 或 hook 机制。 分离 accounting 与资产余额不要直接使用 token.balanceOf()。从 DeFi 安全研究角度来看这次 Sonne Finance 事件提供了一个重要启示 数学模型错误往往比代码漏洞更危险因为代码逻辑完全正确但模型假设是错误的。未来借贷协议的审计重点越来越偏向数学模型验证极端状态测试流动性边界条件而不仅仅是 Solidity 代码本身。因此这类 “精度攻击 份额操纵” 已经成为 DeFi Lending 领域最值得警惕的攻击类型之一。 ChainSafeAI(链熵科技)专注于区块链生态安全以“数据驱动 技术赋能”构建360°全方位安全防护体系服务于交易所、金融机构、OTC服务商及加密资产投资者。公司提供覆盖KYT风险监测、智能合约审计、加密资产追踪、区块链漏洞测试等在内的全维度安全与合规技术解决方案助力客户防范洗钱、诈骗等风险保障业务合规运行。通过实时风险预警、合规审查与资金溯源分析协助客户识别链上异常行为、防范洗钱及诈骗风险、降低被盗损失并提升资产追回可能性。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2422201.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…