Resumo Técnico: Insegurança através da Obscuridade: Vulnerabilidades Veladas em Contratos de Código Fechado

1. Declaração do Problema

Em blockchains públicas como a Ethereum, o bytecode dos contratos inteligentes é acessível publicamente, mas muitos desenvolvedores optam por manter seu código-fonte fechado ou empregam ofuscação de bytecode para proteger a lógica de negócio proprietária e dissuadir ataques (ex: frontrunning). Embora a ofuscação vise fornecer "segurança através da obscuridade", este artigo argumenta que ela frequentemente leva à "insegurança através da obscuridade". A ofuscação, particularmente a ofuscação de fluxo de controle usando saltos indiretos, dificulta a capacidade das ferramentas de segurança existentes de analisar contratos, potencialmente mascarando vulnerabilidades críticas de gestão de ativos.

O artigo identifica uma lacuna específica: as ferramentas existentes têm dificuldade em escalar para contratos grandes, de código fechado e ofuscados, especialmente aqueles que lidam com ativos significativos, como bots de Valor Extraível Máximo (MEV). Esses bots frequentemente empregam lógicas complexas envolvendo trading, empréstimos flash (flash loans) e interações com DeFi. Quando ofuscados, eles se tornam "caixas pretas" onde vulnerabilidades — especificamente aquelas que permitem que adversários roubem ativos — permanecem indetectadas até serem exploradas.

2. Metodologia: A Ferramenta skanf

Para enfrentar esses desafios, os autores apresentam o skanf, uma nova ferramenta de análise de bytecode de EVM projetada para contratos de código fechado e ofuscados. O skanf opera em três estágios principais:

A. Desofuscação de Fluxo de Controle

O primeiro desafio é que contratos ofuscados usam saltos indiretos (onde o destino é um valor de tempo de execução) para esconder caminhos de execução. As ferramentas existentes frequentemente classificam incorretamente esses blocos como inacessíveis ou falham em analisá-los.

• Abordagem: O skanf aproveita uma propriedade específica da Ethereum Virtual Machine (EVM): destinos de salto válidos devem ser explicitamente marcados com o opcode JUMPDEST.
• Técnica: A ferramenta realiza uma varredura estática no bytecode para coletar todos os endereços JUMPDEST legais. Em seguida, ela instrumenta o bytecode inserindo uma tabela de desvio (uma sequência de verificações condicionais) em um endereço de contador de programa (PC) alto (ex: 0xe000).
• Transformação: Os saltos indiretos são reescritos para saltar para esta tabela de desvio. A tabela compara o destino de salto em tempo de execução contra todos os endereços JUMPDEST válidos conhecidos. Se uma correspondência for encontrada, a execução prossegue para o alvo; caso contrário, continua para a próxima verificação. Isso converte saltos indiretos opacos em saltos diretos explícitos e estaticamente analisáveis, restaurando o Grafo de Fluxo de Controle (CFG) sem alterar a lógica do contrato.

B. Execução Simbólica Semeadas por Transações

O segundo desafio é o problema de "explosão de caminhos" na execução simbólica, exacerbado pela complexidade dos bots de MEV.

• Abordagem: Em vez de depender apenas de entradas aleatórias ou especificação manual, o skanf utiliza transações históricas como sementes concretas de alta qualidade.
• Técnica:
  1. Extração de Sementes: A ferramenta recupera transações históricas bem-sucedidas para um contrato alvo a partir de um nó de arquivo. Ela extrai entradas (chamador, origem, calldata, valor) que dispararam chamadas externas, filtrando especificamente aquelas que envolvem transferências de ERC-20.
  2. Execução Semeada: Essas entradas concretas inicializam o mecanismo de execução simbólica. O mecanismo explora caminhos guiados por essas sementes, reduzindo significativamente o espaço de busca e a complexidade de resolução de restrições em comparação com a execução simbólica pura.
  3. Análise de Taint (Mancha): Durante a exploração de caminhos, o skanf realiza a propagação de taint ao nível de byte. Ele rastreia como as entradas adversárias (calldata contaminado/tainted) fluem para parâmetros críticos das instruções CALL (endereço de destino, seletor de função, argumentos).

C. Detecção de Vulnerabilidade e Geração de Exploit

• Oráculo de Vulnerabilidade: Uma instrução CALL é sinalizada como uma potencial vulnerabilidade de gestão de ativos se:
  1. Ela for alcançável a partir de um ponto de entrada público.
  2. Seus parâmetros forem controláveis pelo adversário (tainted) ou arriscados (fixos, mas perigosos, ex: um endereço de token ERC-20 fixo ou um seletor da função transfer).
  3. Especificamente, se a função for transfer ou approve, a ferramenta verifica se o destinatário e o montante podem ser manipulados pelo adversário.
• Síntese de Exploit: Para vulnerabilidades identificadas, o skanf constrói uma transação para explorar a falha. Ele resolve restrições para gerar um calldata específico que dispara a chamada vulnerável e transfere ativos para um endereço controlado pelo adversário.
• Validação: Os exploits gerados são validados em um ambiente de blockchain local (usando um nó de arquivo para reconstruir estados históricos) para garantir que eles executem com sucesso e transfiram ativos.

3. Principais Contribuições

1. Método de Desofuscação: Uma técnica inovadora para remover a ofuscação de fluxo de controle no bytecode de EVM através da reconstrução de tabelas de salto, permitindo que ferramentas de análise estática funcionem em contratos ofuscados.
2. Execução Simbólica Semeadas por Transações: Uma abordagem escalável que utiliza transações históricas públicas como sementes concretas para guiar a execução simbólica, mitigando a explosão de caminhos e melhorando a eficiência da detecção de vulnerabilidades.
3. Implementação do skanf: Uma ferramenta que integra desofuscação e execução semeada para detectar vulnerabilidades de gestão de ativos e gerar automaticamente exploits para contratos de código fechado.
4. Avaliação Empírica: Um estudo em larga escala de 6.554 bots de MEV reais, demonstrando a prevalência de vulnerabilidades e a eficácia da abordagem proposta.
5. Descoberta de Ataques de Phishing de MEV: Identificação de uma nova classe de ataques onde adversários atraem bots de MEV para interagir com contratos maliciosos através de oportunidades criadas, resultando em perdas financeiras significativas.

4. Resultados

Os autores avaliaram o skanf em um conjunto de dados de 6.554 bots de MEV:

• Eficácia da Desofuscação: O skanf aumentou com sucesso a cobertura de código para contratos ofuscados. Para contratos onde ferramentas padrão (Gigahorse) tinham cobertura abaixo de 50%, o skanf restaurou a cobertura para próximo de 100% em 90% dos casos.
• Detecção de Vulnerabilidades:
  • O skanf identificou 1.030 contratos vulneráveis.
  • Ele gerou e validou com sucesso exploits para 394 desses contratos.
  • A perda econômica potencial desses exploits sintetizados é estimada em US$ 10,6 milhões (com base nos saldos de tokens no momento da escrita e máximas históricas).
  • Comparado a ferramentas de estado da arte (Mythril, ETHBMC, JACKAL, Securify), o skanf detectou significativamente mais vulnerabilidades, devido principalmente à sua capacidade de lidar com ofuscação e usar execução semeada.
• Ataques do Mundo Real:
  • O estudo descobriu 104 ataques reais de "phishing de MEV" visando 37 bots de MEV entre 2021 e 2025.
  • Esses ataques resultaram em uma perda total de US$ 2,76 milhões.
  • O skanf foi capaz de redescobrir vulnerabilidades em 28 dos contratos explorados, sugerindo que esses ataques poderiam ter sido evitados.
  • Apenas 3 dos 104 ataques foram reportados publicamente anteriormente.

5. Significância e Alegações

O artigo afirma que a "insegurança através da obscuridade" é um risco tangível no ecossistema de contratos inteligentes. Ao esconder o código, os desenvolvedores inadvertidamente impedem que ferramentas de segurança detectem falhas críticas, particularmente aquelas envolvendo gestão de ativos.

• Implicação de Segurança: A ofuscação não aumenta a segurança; em vez disso, cria uma falsa sensação de segurança enquanto mascara vulnerabilidades que levam a perdas financeiras substanciais.
• Utilidade Prática: O skanf fornece um mecanismo defensivo para desenvolvedores e auditores analisarem o bytecode de código fechado ou ofuscado antes da implantação ou interação, identificando riscos que permaneceriam ocultos de outra forma.
• Contexto de MEV: O estudo destaca que os bots de MEV, que lidam com grandes volumes de ativos e são frequentemente de código fechado, são alvos primários para essas vulnerabilidades. A descoberta de "ataques de phishing de MEV" revela um vetor de ataque sofisticado onde adversários exploram a natureza automatizada desses bots.
• Modéstia: Os autores reconhecem limitações, como a dependência das ferramentas subjacentes (Gigahorse e Greed) para a análise inicial e o foco atual principalmente em instruções CALL (excluindo DELEGATECALL, CALLCODE, etc.). Eles também observam que, embora tenham identificado muitos ataques, seu método de detecção é baseado em padrões e pode perder ataques que não se enquadram nos critérios específicos de "phishing".

Em resumo, o artigo demonstra que, sem as ferramentas de análise adequadas capazes de lidar com a ofuscação, a estratégia de "segurança através da obscuridade" em contratos inteligentes é fundamentalmente falha, deixando ativos significativos expostos à exploração.