回顾 100 个攻击事件,精研加密攻击类型、工具、防范方法和未来预测_STIC:chat币最新消息

原文标题:《DAOrayaki|从100个攻击事件分析加密攻击类型、工具、防范方法和未来预测》

撰文:KofiKufuor

编译:DAOctor

加密安全启示录

黑客今年从加密应用程序中窃取了超过2B美元。DAOrayaki去中心化编辑委员会撰写此文时,又发生两起黑客攻击事件:Rabbywallet、Solana生态去中心化金融平台Mango。随着加密生态系统的发展并吸引更多的恶意行为者,问题只会变得更糟。有些事情必须改变。是时候退后一步,反思过去的错误,并改变我们在这个行业中处理安全性的方式。

在这篇文章中,我们将:

提出一个对加密货币黑客进行分类的框架

概述迄今为止最有利可图的黑客所使用的方法

回顾目前用于防止黑客的工具的优势和劣势

讨论加密货币安全的未来

1、加密货币黑客攻击分类框架

加密应用生态系统由可互操作的协议组成,由智能合约提供支持,依赖于主链和互联网的底层基础设施。

由于堆栈的每一层都有其独特的漏洞。我们可以根据被利用的堆栈层和使用的方法对加密黑客进行分类。

基础设施

对基础设施层的攻击利用了支持加密应用程序的底层系统的弱点:它依赖于达成共识的区块链、用于前端的互联网服务以及用于私钥管理的工具。

智能合约语言

这一层的黑客利用了Solidity等智能合约语言的弱点。智能合约语言中存在众所周知的漏洞,例如可重入性和错误的委托调用实现的危险,可以通过遵循最佳实践来缓解这些漏洞。

Meta Mask机构解决方案MMI发布2023年Q1回顾,链上资产增加89.17%:4月18日消息,MetaMask机构解决方案MMI(MetaMask Institutional)发布2023年Q1回顾,新功能包括投资组合仪表板、NFT视图的账户捆绑、身份验证和登录、Institutional Staking市场等。在数据方面,MMI扩展的八周用户留存率超过65%,这是该团队密切关注的指标。使用MMI部署在链上的资产(AUD)增加了89.17%。与此同时,MMI团队预计年收入将增长25.87%。

据悉,MMI于2020年12月推出,旨在解决加密货币基金、做市商等机构接入DeFi的需求,同时需要满足安全、运营和合规的要求。[2023/4/18 14:10:27]

有趣的事实:用于执行6000万美元TheDAO黑客攻击的漏洞实际上是由LeastAuthority在对以太坊的安全审计中发现的。有趣的是,如果在发布前已经修复,事情会有多不同。

协议逻辑

此类攻击利用单个应用程序的业务逻辑中的错误。如果黑客发现错误,可以使用它来触发应用程序开发人员无意的行为。

例如,如果一个新的去中心化交易所在确定用户从exchange中获得多少的数学方程式中存在错误,则可以利用该错误从exchange中获得比本应可能的更多的钱。

协议逻辑级攻击还可以利用现有的治理系统来控制应用程序的参数。

生态系统

许多最具影响力的加密黑客利用了多个应用程序之间的交互。最常见的变体是黑客利用从另一个协议借来的资金利用一种协议中的逻辑错误来扩大攻击规模。

通常,用于生态系统攻击的资金是通过快速贷款借入的。在执行闪电贷款时,只要资金在同一笔交易中归还,您就可以从Aave和dYdX等协议的流动资金池中借入尽可能多的资金,而无需提供抵押品。

CZ回顾2022年:过去一年造访33国,Binance任何时间都有100%储备金:12月28日消息,Binance 首席执行官 CZ 近期回答社区提问并回顾了即将过去的 2022 年。CZ 首先特别澄清自己肯定不是中本聪,他透露自己在过去一年中造访了 33 个国家和当地监管机构。CZ 还表示,即使所有用户同时发起提款 Binance 也不会破产,Binance 每一个加密货币在任何时间点都有 100% 储备金,所以用户可以随时随地取现。

在谈到如何规避类似 FTX 的风险时,CZ 称 Binance 首先要确保不会陷入 FTX 那种境地,任何人转移数十亿美元用户资金都无法进行风控,永远不要触碰用户的东西,保持公开透明,不要走捷径。[2022/12/28 22:12:26]

2、数据分析

从2020年起,我们采集了100个最大的加密黑客数据集,被盗资金总计5B美元。

生态系统攻击最常发生。占样本组的41%。协议逻辑漏洞导致的损失最大。

数据集中最大的三次攻击,即Roninbridge攻击、PolyNetwork黑客和Binancebridge黑客,对结果产生了巨大的影响。

如果排除前三种攻击,则基础设施黑客攻击是损失资金影响最大的类别。

Block.one发文回顾近期EOSIO版本更新:Block.one近日发布EOSIO版本最近更新回顾,并表示将在发布最新版本的同时,对早期版本进行各种 Bug修复和稳定性更新补丁。

1. EOSIO-explorer v1.2.0:2020年5月5日,发布eosio-explorer v1.2.0,并将其更新为EOSIO v 2.0.5。

2. EOSIO v 2.0.5:2020年4月21日,发布EOSIO v 2.0.5。此版本中的更新包括安全性,稳定性和其他更改。

3. EOSIO-swift v0.4.0:2020年4月14日,发布 eosio-swift v0.4.0。

4. Elemental Battles(元素之战):2020年4月27日,发布Elemental Battles v1.1.12,并将其更新为 EOSIO v 2.0.5。(MEET.ONE)[2020/6/18]

3、黑客如何执行

基础设施攻击

在样本组中61%的基础设施漏洞利用中,私钥被未知方式破坏。黑客可能已经通过网络钓鱼电子邮件和虚假招聘广告等社交攻击获得了对这些私钥的访问权限。

智能合约语言攻击

重入攻击是智能合约语言级别上最流行的攻击类型。

在重入攻击中,易受攻击的智能合约中的函数调用恶意联系人的函数。或者,当易受攻击的合约向恶意合约发送代币时,可以触发恶意合约中的功能。然后,在合约更新其余额之前,该恶意函数会在递归循环中回调易受攻击的函数。

例如,在SirenProtocolhack中,提取抵押代币的功能很容易被重入并被反复调用,直到所有抵押品都被耗尽。

回顾丨上周热点事件:“投票”、“反弹”、“风险”排名前三:根据火币区块链大数据周度数据洞察,上周热点事件排名前三的为“投票”、“反弹”和“风险”。其中“投票”主要涉及EOS超级节点的投票,以及币安投票上币等;“反弹”主要反映经历上周币价的暴跌后,本周币价有所反弹;“风险”相关话题主要集中在:1、由于比特币价格下跌和算力增长导致的挖矿风险,2、EOS主网上线后技术漏洞风险,3、场外交易风险(银行卡冻结等)。[2018/6/25]

协议逻辑攻击

协议层上的大多数漏洞都是特定应用程序独有的,因为每个应用程序都有独特的逻辑。

访问控制错误是样本组中最常出现的问题。例如,在PolyNetworkhack中,「EthCrossChainManager」合约具有任何人都可以调用以执行跨链交易的功能。

该合约拥有「EthCrossChainData」合约,因此如果您将「EthCrossChainData」设置为跨链交易的目标,则可以绕过onlyOwner()审查。

剩下要做的就是制作正确的消息来更改哪个公钥被定义为协议的「保管人」,夺取控制权并耗尽资金。普通用户永远无法访问「EthCrossChainData」合约上的功能。

注意:在许多情况下,多个协议使用相同的技术被黑客入侵,因为团队分叉了一个存在漏洞的代码库。

例如,CREAM、HundredFinance和VoltageFinance等许多Compound分叉成为重入攻击的受害者,因为Compound的代码在允许交互之前没有检查交互的效果。这对Compound来说效果很好,因为他们审查了他们支持的每个新代币的漏洞,但分叉团队并没有做这样的努力。

EOS东京 Meet up 回顾 重心在技术研究而非节点竞选:据金色财经合作媒体IMEOS报道:日本EOS开发者协会--JEDA 于5月8日在东京大学面向日本人发起 Meet up。本次Meet up 的整场活动大约持续了2个半小时,从头到尾对超级节点竞选的事情只字未提,更没有任何形式的拉票,重心几乎全部放到了对EOS技术研究上 。此前Block.one在4月份公布的EOS Global基金亚太负责人Michael Cao 也来到现场参与探讨。同时,本场活动上,已经有基于EOS开发的Dapp“钱包”应用进行了亮相,集成了扫码支付、转账等交易功能,有些类似于支付宝。更多信息请参见原文[2018/5/10]

生态系统攻击

98%的生态系统攻击都使用了闪电贷。

Flashloan攻击通常遵循以下公式:使用贷款进行大规模掉期,从而推高AMM上的代币价格,而AMM将其用作价格馈送。然后,在同一笔交易中,使用膨胀的代币作为抵押,获得远高于其真实价值的贷款。

4、何时执行黑客攻击

数据集不够大,无法从时间分布中得出有意义的趋势。但我们可以看到,不同类型的攻击在不同的时间更频繁地发生。

2021年5月是生态系统攻击的历史新高。2021年7月的协议逻辑攻击最多。2021年12月发生的基础设施攻击最多。很难判断这些集群是否是巧合,或者它们是否是一个成功的成功案例,激励同一演员或其他人专注于特定类别。

智能合约语言级别的漏洞利用是最罕见的。该数据集始于2020年,当时该类别中的大多数漏洞利用已经广为人知,并且很可能很早就被发现。

随着时间的推移,被盗资金的分布有四个主要峰值。2021年8月有一个高峰,这是由PolyNetwork黑客驱动的。2021年12月,由于大量基础设施黑客攻击导致私钥遭到破坏,例如8ightFinance、Ascendex和VulcanForged,又出现了另一次高峰。然后,由于Ronin黑客攻击,我们看到了2022年3月的历史新高。最后的峰值是由BNBbridge被攻击引起的。

5、黑客在哪里执行

根据托管资金被盗的合约或钱包的链来分割数据集。以太坊的黑客数量最多,占样本组的45%。币安智能链以20%位居第二。

造成这种情况的因素有很多:

以太坊和BSC的锁定总价值最高,因此对于这些链上的黑客来说,奖金的规模更大。

大多数加密开发人员都知道Solidity,这是以太坊和BSC上选择的智能合约语言,并且有更复杂的工具支持该语言

以太坊被盗的资金量最大,BSC位居第二。以太坊、BSC和Polygon上的资金被盗的黑客在一次事件中排名第三。这主要是因为PolyNetwork攻击事件。

涉及跨链桥或多链应用的黑客对数据集有巨大影响。尽管只占事件的10%,这些黑客占了25.2亿美元的被盗资金。

6、我们如何防止黑客入侵

对于威胁堆栈的每一层,我们可以使用一些工具来及早识别潜在的攻击向量并防止攻击发生。

基础设施

大多数大型基础设施黑客攻击都涉及黑客获取敏感信息,例如私钥。遵循良好的运营安全(OPSEC)实践并进行经常性威胁建模可降低发生这种情况的可能性。拥有良好OPSEC流程的开发人员团队将:

识别敏感数据

识别可能的威胁

识别现有安全防御中的漏洞和弱点

确定每个漏洞的威胁级别

创建并实施计划以减轻威胁

智能合约语言和协议逻辑

模糊测试

像Echidna这样的模糊测试工具可以测试智能合约如何对大量随机生成的交易做出反应。这是检测特定输入产生意外结果的边缘情况的好方法。

静态分析

静态分析工具,如Slither和Mythril,自动检测智能合约中的漏洞。这些工具对于快速挑出常见的漏洞是很好的,但它们只能抓住一组预定义的问题。如果智能合约有一个不在工具规范中的问题,它将不会被看到。

形式验证

形式验证工具,如Certora,会将智能合约与开发人员编写的规范进行比较。该规范详细说明了代码应该做什么及其所需的属性。例如,开发贷款应用程序的开发人员会指定每笔贷款都必须有足够的抵押品支持。

如果智能合约的任何可能行为不符合规范,正式验证者将识别该违规行为。

形式化验证的弱点是,测试只和规范一样好。如果所提供的规范没有考虑到某些行为,或者过于宽松,那么验证过程将无法捕获所有的错误。

审计和同行评审

在审计或同行评审中,一个受信任的开发者小组将测试和评审项目的代码。审计员会写一份报告,详细说明他们发现的漏洞以及如何修复这些问题的建议。

让第三方专家审查合约是识别原团队所遗漏的漏洞的一个好方法。然而,审计师也是人类动物,不可能发现所有的东西。另外,还必须对此信任,如果审计师发现了问题,他们会告诉你,而不是自己去利用它。

生态系统攻击

令人沮丧的是,尽管生态系统攻击是最常见和最具破坏性的变体,但工具箱中并没有多少工具适合防止这些类型的攻击。

自动化安全工具专注于一次发现一个联系人中的错误。审计通常无法解决如何利用生态系统中多个协议之间的交互。

Forta和TenderlyAlerts等监控工具可以在发生可组合性攻击时发出预警,以便团队采取行动。但在闪电贷攻击期间,资金通常在单笔交易中被盗,因此任何警报都来得太晚,无法防止巨额损失。

威胁检测模型可用于在内存池中查找恶意交易,其中交易位于节点处理之前,但黑客可以通过使用flashbots等服务将交易直接发送给矿工来绕过这些检查。

7、加密安全未来预测

1)我相信最好的团队将从将安全视为基于事件的实践转变为一个持续的实践过程。他们将:

对主代码库的每个添加运行静态分析和模糊测试。

在每次重大升级时运行形式验证。

使用响应操作设置监控和警报系统。

让一些团队成员专门负责制定和维护安全自动化和攻击响应计划。

安全性不是一组要填写和搁置的复选框。安全工作不应在审计后结束。在许多情况下,例如Nomadbridgehack,漏洞利用是基于审计后升级中引入的错误。

2)加密安全社区应对黑客攻击的流程将变得更有条理和精简。每当发生黑客攻击时,贡献者就会涌入渴望提供帮助的加密安全群组聊天,但缺乏组织意味着重要的细节可能会在混乱中丢失。我看到未来其中一些群聊会转变为更结构化的组织:

使用链上监控和社交媒体监控工具快速检测主动攻击。

使用安全信息和事件管理工具来协调工作。

独立的工作流,有不同的渠道来沟通白黑客工作、数据分析、根本原因理论和其他任务。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金宝趣谈

[0:15ms0-3:147ms