Sintesi Tecnica: Insecurity Through Obscurity: Veiled Vulnerabilities in Closed-Source Contracts

1. Problematica

Sulle blockchain pubbliche come Ethereum, il bytecode degli smart contract è accessibile pubblicamente, eppure molti sviluppatori scelgono di mantenere il proprio codice sorgente chiuso o di impiegare l'offuscamento del bytecode per proteggere la logica di business proprietaria e scoraggiare gli attacchi (ad esempio, il frontrunning). Sebbene l'offuscamento miri alla "sicurezza attraverso l'oscurità", questo articolo sostiene che spesso porti alla "insicurezza attraverso l'oscurità". L'offuscamento, in particolare l'offuscamento del flusso di controllo tramite salti indiretti, ostacola la capacità degli strumenti di sicurezza esistenti di analizzare i contratti, potenzialmente mascherando vulnerabilità critiche nella gestione degli asset.

Il documento identifica una lacuna specifica: gli strumenti esistenti faticano a scalare verso contratti grandi, a codice chiuso e offuscati, specialmente quelli che gestiscono asset significativi come i bot di Maximal Extractable Value (MEV). Questi bot spesso impiegano una logica complessa che coinvolge trading, prestiti flash (flash loans) e interazioni con la DeFi. Quando offuscati, diventano "black box" dove le vulnerabilità — specificamente quelle che permettono ad avversari di rubare asset — rimangono non rilevate fino all'exploit.

2. Metodologia: lo strumento skanf

Per affrontare queste sfide, gli autori presentano skanf, un nuovo strumento di analisi del bytecode EVM progettato per contratti a codice chiuso e offuscati. skanf opera in tre fasi principali:

A. Deoffuscamento del Flusso di Controllo

La prima sfida è che i contratti offuscati utilizzano salti indiretti (dove la destinazione è un valore a runtime) per nascondere i percorsi di esecuzione. Gli strumenti esistenti spesso classificano erroneamente questi blocchi come irraggiungibili o non riescono ad analizzarli.

• Approccio: skanf sfrutta una proprietà specifica della Ethereum Virtual Machine (EVM): le destinazioni di salto valide devono essere esplicitamente marcate con l'opcode JUMPDEST.
• Tecnica: Lo strumento scansiona staticamente il bytecode per raccogliere tutti gli indirizzi JUMPDEST legali. Successivamente, strumenta il bytecode inserendo una tabella di branch (una sequenza di controlli condizionali) a un indirizzo di program counter (PC) elevato (ad esempio, 0xe000).
• Trasformazione: I salti indiretti vengono riscritti per saltare a questa tabella di branch. La tabella confronta la destinazione di salto a runtime con tutti i conosciuti indirizzi JUMPDEST validi. Se viene trovata una corrispondenza, l'esecuzione procede verso il target; altrimenti, continua verso il controllo successivo. Questo converte i salti indiretti opachi in salti diretti espliciti e staticamente analizzabili, ripristinando il Grafo del Flusso di Controllo (CFG) senza alterare la logica del contratto.

B. Esecuzione Simbolica Alimentata da Transazioni (Transaction-Seeded)

La seconda sfida è il problema dell' "esplosione dei percorsi" (path explosion) nell'esecuzione simbolica, esacerbato dalla complessità dei bot MEV.

• Approccio: Invece di fare affidamento esclusivamente su input casuali o specifiche manuali, skanf utilizza transazioni storiche come seed concreti di alta qualità.
• Tecnica:
  1. Estrazione dei Seed: Lo strumento recupera transazioni storiche di successo per un contratto target da un nodo di archivio. Estrae gli input (caller, origin, calldata, value) che hanno attivato chiamate esterne, filtrando specificamente quelle che coinvolgono trasferimenti ERC-20.
  2. Esecuzione Alimentata dai Seed: Questi input concreti inizializzano il motore di esecuzione simbolica. Il motore esplora i percorsi guidati da questi seed, riducendo significativamente lo spazio di ricerca e la complessità della risoluzione dei vincoli rispetto alla pura esecuzione simbolica.
  3. Analisi del Taint (Taint Analysis): Durante l'esplorazione dei percorsi, skanf esegue la propagazione del taint a livello di byte. Traccia come gli input avversari (calldata "tainted") fluiscano nei parametri critici delle istruzioni CALL (indirizzo target, selettore di funzione, argomenti).

C. Rilevamento delle Vulnerabilità e Generazione di Exploit

• Oracolo di Vulnerabilità: Un'istruzione CALL viene segnalata come una potenziale vulnerabilità di gestione degli asset se:
  1. È raggiungibile da un punto di ingresso pubblico.
  2. I suoi parametri sono o controllabili dall'avversario (tainted) o rischiosi (fissi ma pericolosi, ad esempio un indirizzo di un token ERC-20 fisso o un selettore della funzione transfer).
  3. Specificamente, se la funzione è transfer o approve, lo strumento controlla se il destinatario e l'importo possono essere manipolati dall'avversario.
• Sintesi dell'Exploit: Per le vulnerabilità identificate, skanf costruisce una transazione per sfruttare la falla. Risolve i vincoli per generare una calldata specifica che attivi la chiamata vulnerabile e trasferisca gli asset a un indirizzo controllato dall'avversario.
• Validazione: Gli exploit generati vengono validati in un ambiente blockchain locale (utilizzando un nodo di archivio per ricostruire gli stati storici) per garantire che eseguano con successo il trasferimento degli asset.

3. Contributi Chiave

1. Metodo di Deoffuscamento: Una tecnica innovativa per rimuovere l'offuscamento del flusso di controllo nel bytecode EVM ricostruendo le tabelle di salto, consentendo agli strumenti di analisi statica di funzionare su contratti offuscati.
2. Esecuzione Simbolica Alimentata da Transazioni: Un approccio scalabile che utilizza transazioni storiche pubbliche come seed concreti per guidare l'esecuzione simbolica, mitigando l'esplosione dei percorsi e migliorando l'efficienza del rilevamento delle vulnerabilità.
3. Implementazione di skanf: Uno strumento che integra deoffuscamento ed esecuzione alimentata da seed per rilevare vulnerabilità di gestione degli asset e generare automaticamente exploit per contratti a codice chiuso.
4. Valutazione Empirica: Uno studio su larga scala di 6.554 bot MEV reali, che dimostra la prevalenza delle vulnerabilità e l'efficacia dell'approccio proposto.
5. Scoperta di Attacchi di MEV Phishing: Identificazione di una nuova classe di attacchi in cui gli avversari attirano i bot MEV a interagire con contratti malevoli tramite opportunità create ad hoc, risultando in perdite finanziarie significative.

4. Risultati

Gli autori hanno valutato skanf su un dataset di 6.554 bot MEV:

• Efficacia del Deoffuscamento: skanf ha aumentato con successo la copertura del codice per i contratti offuscati. Per i contratti in cui gli strumenti standard (Gigahorse) avevano una copertura inferiore al 50%, skanf ha ripristinato la copertura vicino al 100% nel 90% dei casi.
• Rilevamento delle Vulnerabilità:
  • skanf ha identificato 1.030 contratti vulnerabili.
  • Ha generato e validato con successo exploit per 394 di questi contratti.
  • La potenziale perdita economica derivante da questi exploit sintetizzati è stimata in $10,6 milioni (basandosi sui saldi dei token al momento della stesura e sui massimi storici).
  • Rispetto agli strumenti allo stato dell'arte (Mythril, ETHBMC, JACKAL, Securify), skanf ha rilevato significativamente più vulnerabilità, grazie principalmente alla sua capacità di gestire l'offuscamento e utilizzare l'esecuzione alimentata da seed.
• Attacchi nel Mondo Reale:
  • Lo studio ha scoperto 104 attacchi reali di "MEV phishing" che hanno preso di mira 37 bot MEV tra il 2021 e il 2025.
  • Questi attacchi hanno causato una perdita totale di $2,76 milioni.
  • skanf è stato in grado di ride discoverti le vulnerabilità in 28 dei contratti sfruttati, suggerendo che questi attacchi avrebbero potuto essere prevenuti.
  • Solo 3 dei 104 attacchi erano stati precedentemente riportati pubblicamente.

5. Significato e Affermazioni

Il documento afferma che l' "insecurity through obscurity" è un rischio tangibile nell'ecosistema degli smart contract. Nascondendo il codice, gli sviluppatori impediscono involontariamente agli strumenti di sicurezza di rilevare falle critiche, in particolare quelle che riguardano la gestione degli asset.

• Implicazione per la Sicurezza: L'offuscamento non migliora la sicurezza; piuttosto, crea un falso senso di sicurezza mentre maschera vulnerabilità che portano a sostanziali perdite finanziarie.
• Utilità Pratica: skanf fornisce un meccanismo difensivo per sviluppatori e auditor per analizzare il bytecode a codice chiuso o offuscato prima del deployment o dell'interazione, identificando rischi che altrimenti rimarrebbero nascosti.
• Contesto MEV: Lo studio evidenzia che i bot MEV, che gestiscono grandi volumi di asset e sono spesso a codice chiuso, sono un bersaglio primario per queste vulnerabilità. La scoperta degli attacchi di "MEV phishing" rivela un vettore di attacco sofisticato in cui gli avversari sfruttano la natura automatizzata di questi bot.
• Modestia: Gli autori riconoscono i limiti, come la dipendenza dagli strumenti sottostanti (Gigahorse e Greed) per l'analisi iniziale e l'attuale focalizzazione principalmente sulle istruzioni CALL (escludendo DELEGATECALL, CALLCODE, ecc.). Notano inoltre che, sebbene abbiano identificato molti attacchi, il loro metodo di rilevamento è basato su pattern e potrebbe mancare attacchi che non rientrano nei criteri specifici di "phishing".

In sintesi, il documento dimostra che senza strumenti di analisi adeguati capaci di gestire l'offuscamento, la strategia della "sicurezza attraverso l'oscurità" negli smart contract è fondamentalmente fallace, lasciando ingenti asset esposti allo sfruttamento.