高级 Foundry 作弊码系列：第 6 部分 - 使用 Forge 进行高级模糊测试

高级 Foundry 作弊码系列：第 6 部分 - 使用 Forge 进行高级模糊测试

认为你的测试覆盖了极端情况？Forge 的模糊测试证明你是错的。一个参数 = 数百个随机输入。自动捕获溢出、回滚和奇怪的错误。

简介

在单行作弊码的基础上 来自第 5 部分，我们现在将方向盘交给随机性。今天的重点是 Forge 的内置模糊测试：你将看到参数化测试如何自动发现极端情况，以及边界、假设和基于 Fork 的模糊运行的技巧。

Forge 的内置模糊测试使用随机输入运行测试，从而实现智能合约的基于属性的测试。任何带有参数的 forge 测试函数都被视为模糊测试：例如：

在这个 testFuzz_ 函数中，Forge 会自动生成 许多 amount 的值，以尝试查找极端情况。它“将任何至少接受一个参数的测试作为基于属性的测试运行”。在实践中，Forge 将运行数百个随机案例，寻找任何违反断言的输入。如果它找到一个失败，它会报告具体的反例。

测试结构：模糊测试看起来类似于单元测试。按照惯例，在函数名称前加上前缀（通常是 testFuzz_）不是 Forge 严格要求的（它运行任何参数化测试），但它阐明了意图。主体使用输入参数设置场景，然后进行断言。在上面的示例中，我们测试了对于 任何 amount，提款都会返回 完全 存入的金额。如果极端值导致溢出或回滚，运行此操作可能会发现错误。

Fork 测试：

单元级别的模糊测试功能强大，但有时你必须与真实的 main-net 合约交互：读取 USDC 的 ERC-20 余额、调用 Uniswap 池或根据实时代理验证升级逻辑。Foundry 的答案是 forking 作弊码。Fork 是给定区块处另一个链的完整内存副本；你使用 vm.createFork 创建一个，并使用 vm.selectFork 激活它。选择 fork 后，每 一次 后续调用、日志和存储读取都会通过该远程状态，而写入仍然保留在你的测试本地。

createFork 是重载的。最简单的形式是采用 RPC URL 或别名并快照最新的区块。第二个变体允许你将 fork 锁定在显式的区块高度。

第三个重载接受交易哈希；Foundry 将 fork 滚动到挖掘该哈希的区块，重放该区块中的每 次 先前交易，并将执行定位在后状态。当你想要重放已知漏洞交易的确切环境时，这非常有用。

缩小条件：有时你只想模糊测试输入的子集。Forge 为此目的提供了 vm.assume(bool cond)：如果条件为假，Forge 会丢弃该随机输入并尝试另一个。例如，要跳过零值，你可以编写 vm.assume(v != 0); require(v != 0);。这个 cheatsheet 警告说要谨慎使用 assume（广泛的条件会因为拒绝 许多 尝试而减慢模糊测试的速度）。另一种策略是使用 bound()（来自 Forge Std）将输入限制在一个范围内，而不是拒绝它们。例如：

function testFuzz_WithdrawalAmount(uint256 amount) public {
    // 限制 amount 的范围
    amount = bound(amount, 1, 100);
    // 函数体
}

你可以触发模糊测试，就像触发普通测试一样，只需运行 forge test。Forge 会看到参数化函数签名并自动切换到其模糊器。要增加覆盖率或加快速度，你可以传递常用的 CLI 标志，例如：

forge test --match-test testFuzz_WithdrawalAmount --fuzz-runs 1000 -vv

--match-test 过滤器专注于你关心的模糊案例，--fuzz-runs 设置 Forge 将尝试的随机输入数量（默认为 256），-vv 提高详细程度，这样你就可以实时观察每个反例、gas读数和平均值/中值报告的滚动显示。

陷阱和提示：

• 最大拒绝次数：如果 太多 的输入被假设排除，模糊器可能会达到拒绝限制。你可以在 foundry.toml 中或使用 fuzz.max_test_rejects 配置此项。

• 状态性：每 一次 模糊调用都在一个新的 EVM 状态中运行（与普通测试相同）。确保你的测试设置（如 setUp()）是幂等的。

• 可重复性：Forge 报告种子/反例，因此你可以重现失败的案例。

• 覆盖率：因为 Forge 运行数百个模糊案例，所以它显着提高了代码覆盖率。这对于安全关键型代码尤其有价值；Paradigm 报告说 v1.0 提高了模糊执行速度 2 倍，从而允许在 CI 中使用更多案例。

总而言之，Foundry 的模糊测试可以自动进行极端情况探索。使用参数化的 testFuzz_ 函数，利用 vm.assume 或 bound() 进行约束，并将失败解释为极端输入的具体示例。通过捕获人工编写的案例可能遗漏的内容来补充单元测试。

如果你喜欢这种类型的内容，请在 Twitter 上关注 @threesigmaxyz

并浏览我们的博客

以获取更多关于区块链主题的见解。

明天发布第 7 部分：Foundry 中的不变量测试

• 原文链接： x.com/threesigmaxyz/stat...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～