用 Miri 狙击跨语言引用的幽灵别名:Stacked Borrows 与 Tree Borrows 内存模型实战

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

封面信息图

在编写涉及底层系统调用、高性能数据结构或跨语言 FFI 交互的代码时,很多开发者都有过这样的经历:
一段写了 unsafe 的代码,在本地 cargo test 跑得顺滑无比,用最高优化级别 --release 构建也没有任何段错误;然而一旦部署到拥有几十个核心的生产服务器上,或者当编译器开启了全面 LTO(链接时优化)之后,程序就会偶尔出现不可名状的内存数据错乱。

更诡异的是:即使你挂上 GDB 或 Valgrind,也抓不到任何内存泄漏或空指针。

这就是系统级编程中最让人不寒而栗的噩梦——幽灵未定义行为(Ghost Undefined Behavior)。

在 Rust 的世界里,未定义行为并不会像语法错误那样产生直白的报错。编译器(尤其是 LLVM)会在“你的代码绝对遵守 Rust 内存模型规则”的前提下,展开极其激进的汇编重排和常量传播。一旦你的代码在底层暗中破坏了指针无别名(Aliasing)法则,编译器生成的机器指令就会将你的逻辑撕得粉碎。

今天,我们使用 Rust 官方形式化验证神器 Miri(MIR 解释器),深入 Stacked Borrows(栈式借用) 与 Tree Borrows(树状借用) 内存模型的理论前沿,亲手狙击一段隐蔽至极的 FFI 别名冲突 Bug。


一、Miri:直视内存物理状态的 X 光机

普通编译器将 Rust 源码编译为物理机器码交由 CPU 直接执行。如果发生了 UB,CPU 并不知道规则被破坏,它只会机械地执行错误的机器指令。

而 Miri 是一个运行在 Rust 中间表示(MIR, Mid-level Intermediate Representation)层面的抽象虚拟机。
在 Miri 的虚拟机中:

  • 内存不再是简单的十六进制字节数组,每一个字节都附带着极其详尽的元数据;
  • 虚拟机对每一个指针打上专属的生命周期标签(Tag);
  • 它时刻监视着所有的指针读取、写入、跨引用转换和内存释放,一旦发现违反 Rust 内存模型的行为,就会立即精准刹车,打印出导致违规的完整调用栈和历史借用树!

安装与使用 Miri 非常轻盈:

rustup component add miri
cargo miri test

二、Stacked Borrows vs Tree Borrows:借用模型的演进

要读懂 Miri 的诊断报告,必须理解 Rust 社区对内存合法性的形式化定义。

1. Stacked Borrows(经典栈式借用模型)

在 Stacked Borrows 规范中,内存中的每一个字节位置都维护着一个权限栈(Stack of Borrows)。

  • 当你创建一个新的共享引用(&T),一个共享只读标签会被 push 到栈顶;
  • 当你创建一个唯一可变引用(&mut T),一个独占可写标签会被 push 到栈顶;
  • 排他性铁律:如果你通过一个较深层级的旧指针向该内存写入数据,所有位于它上方的较新借用标签都会被立即从栈中永久弹出(Pop/Invalidate)!后续如果代码试图再次使用这些被弹出的借用,Miri 会直接判定为 UB!

2. Tree Borrows(新一代树状借用模型)

Stacked Borrows 虽然严谨,但在某些合法的两阶段借用(Two-Phase Borrows)或跨语言异步传递中过于严苛。
Rust 内存模型团队近年来推出了 Tree Borrows。它将借用关系建模为一棵树(Borrow Tree),跟踪每个节点的状态转换(Reserved -> Active -> Frozen -> Disabled),在保留强有力未定义行为拦截能力的同时,对真实的系统级 FFI 编程更加友好。


三、实战:一段看似无害却暗藏杀机的 FFI 别名代码

让我们来看一段在 C 动态库交互中极具迷惑性的错误代码:

#[repr(C)]
pub struct DeviceDescriptor {
    pub device_id: u32,
    pub status: u32,
}

// 模拟一个外部 C 语言函数的行为
unsafe fn c_update_status(raw_ptr: *mut DeviceDescriptor, new_status: u32) {
    // C 语言侧通过裸指针修改内部字段
    (*raw_ptr).status = new_status;
}

pub fn trigger_aliasing_bug() -> u32 {
    let mut desc = DeviceDescriptor { device_id: 1001, status: 0 };

    // 致命错误:先获取了一个 Rust 的独占可变引用 &mut
    let safe_ref: &mut DeviceDescriptor = &mut desc;

    // 随后又从可变引用中派生出了裸指针,传给外部 C 库
    let raw_ptr = safe_ref as *mut DeviceDescriptor;

    unsafe {
        // C 库通过裸指针完成了写入
        c_update_status(raw_ptr, 200);
    }

    // 紧接着,调用者又试图通过最初的 safe_ref 访问数据!
    safe_ref.status
}

#[test]
fn test_aliasing() {
    let status = trigger_aliasing_bug();
    assert_eq!(status, 200);
}

运行普通的 cargo test:

test test_aliasing ... ok

测试完全绿了!很多人到这里就放心地把代码推上了生产环境。

然而,我们让 Miri 登场:

cargo miri test

终端在瞬间爆出了一片触目惊心的深红警报:

error: Undefined Behavior: attempting to read from <Tag 1824>, 
but this tag is no longer valid because of an incompatible write access using <Tag 1825>
  --> src/lib.rs:25:5
   |
25 |     safe_ref.status
   |     ^^^^^^^^^^^^^^^ attempting to read from <Tag 1824>
   |
   = help: this indicates a potential bug in the code: it violated the Stacked Borrows rules
   = help: the tag <Tag 1824> was invalidated when the memory was written via <Tag 1825>

四、Miri 报错深度剖析:为什么这是致命的 UB?

Miri 的报错清晰地还原了案发现场:

  1. let safe_ref = &mut desc 创建了一个拥有独占访问权限的标签 <Tag 1824>;
  2. 当我们把 safe_ref as *mut _ 并通过裸指针写入时,生成了子标签 <Tag 1825>;
  3. 根据 LLVM 的 noalias 原则,一旦一块内存分配给了一个活跃的 &mut,在它存在期间,编译器认为绝不可能有任何其他途径能够悄悄改变这块内存;
  4. 当外部代码通过裸指针写入时,底层内存发生了变化;
  5. 在第 25 行再次使用 safe_ref 时,编译器完全有权假定它的内容从来没有变过,从而把后续的读取直接优化为常量折叠(返回旧值 0),或者彻底打乱指令顺序,造成内存状态的彻底撕裂!

五、彻底根治:使用 addr_of_mut! 与生命周期切断

要消除这一隐患,我们必须彻底切断“在拥有活跃引用的同时派生裸指针”的错误行为。
在 Rust 1.82+ 中,正确的系统级写法是全程坚守裸指针通道,或者使用 ptr::addr_of_mut! 直接生成裸指针,绝不生成中间引用:

use std::ptr::addr_of_mut;

pub fn safe_ffi_update() -> u32 {
    let mut desc = DeviceDescriptor { device_id: 1001, status: 0 };

    // 正确做法:直接通过 addr_of_mut! 获取裸指针,绝不构造 &mut 中间引用!
    let raw_ptr: *mut DeviceDescriptor = addr_of_mut!(desc);

    unsafe {
        c_update_status(raw_ptr, 200);
        // 所有的后续读取,要么在 C 库彻底返回后重新通过指针访问,要么重新创建合法借用
        (*raw_ptr).status
    }
}

再次运行 cargo miri test:

test test_safe_ffi ... ok

Miri 毫无悬念地亮起了绿灯!内存标签栈在整个执行期间没有发生任何非法失效。


极客的 CI 准则

对于任何涉足底层系统、异步队列或 FFI 绑定的工业级 Rust 项目,必须将 Miri 提升为 CI 流水线的最高一票否决权门禁:

  1. 常规流水线:cargo clippy 检查代码坏味道,cargo test 验证功能逻辑;
  2. 安全军规门禁:在单独的流水线 Job 中配置 cargo miri test,并开启 -Zmiri-tree-borrows 环境变量以测试前沿内存树行为;
  3. 拒绝幸存者偏差:“在我的机器上能跑通”在未定义行为面前没有任何法律效力。

唯有在 Miri 的严苛审视下通过检验的代码,才配被称为真正的“内存安全 Rust”。

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

AI 应用开发:四维架构落地实战——以 HR Agent 为例拆解感知·推理·记忆·执行【意图路由、规划编排、长期记忆、工具执行、面试题】

本文基于四维架构(感知·推理·记忆·执行),以HR Agent为例,系统拆解大模型应用从“聊天”到“生产可用”的落地路径。通过Spring AI实现意图路由、规划编排、RAG检索与工具调用,结合真实踩坑复盘,揭示架构化设计对安全、成本与可维护性的关键价值,为AI Agent工程化提供可复用的实战框架。

王大师企业官方博客 1332

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 350

避坑指南:群晖DSM 7.X挂载NTFS硬盘,为什么你的SATA口不行?从原理到实战一次讲清

本文深入解析群晖DSM 7.X系统挂载NTFS硬盘的底层原理与实战排查方法,揭示SATA接口权限配置的关键参数(如esataportcfg和internalportcfg),并提供安全修改端口配置的详细步骤。针对不同型号群晖NAS的配置差异,给出替代方案与常见故障排查技巧,帮助用户解决NTFS硬盘挂载问题。

weixin_26757925的博客 257

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 293

使用vite+react+ts+Ant Design开发后台管理项目(四)

本文将引导开发者从零基础开始,运用、react、react-router、react-redux、Ant Design、less、tailwindcss、axios等前沿技术栈,构建一个高效、响应式的后台管理系统。通过详细的步骤和实践指导,文章旨在为开发者揭示如何利用这些技术工具,从项目构思到最终实现的全过程,提供清晰的开发思路和实用的技术应用技巧。使用vite+react+ts+Ant Design开发后台管理项目(一)使用vite+react+ts+Ant Design开发后台管理项目(二)

lbking666666的专栏 2011

LSTM预测股票数据---数据预处理

# 导入相应的模块 import pandas as pd import numpy as np import matplotlib.pyplot as plt import tensorflow as tf # 获取训练集 def get_train_data(data,batch_size = 60 ,time_step = 20,train_begin = 0,train_end = 58...

qq_35358021的博客 3360

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 619

C# 开发 WPS 插件实战:从环境搭建到功能实现(附完整代码)

本文提供了一份详尽的C#开发WPS插件实战指南,涵盖从环境搭建到功能实现的完整流程。通过COM技术,开发者可以创建自定义插件,为WPS Office扩展自动化功能,如文档处理与格式转换。文章包含核心概念解析、Ribbon界面集成、调试部署方法及完整代码示例,帮助开发者快速上手。

rust6ferris的博客 930

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 211

图解B+树的插入过程

B+ 树在现代数据库中很常见,如果我们了解它,在工作中可能对性能优化会有更好的帮助! 最近我一直在思考 B+ 树的高度是由什么决定的。知道我了解了 B+ 树的插入过程,才有一种恍然大悟的感觉! 网上的一些资料杂乱无章,不同的数据库可能还有对 B+ 树有不同的实现。但是万变不离其宗,B+ 树的定义,大致如下所示: 总结一下,B+ 树有下面 5 个重要的特点。 B+ 树包含 2 种类型的结点: 内部结点(也称索引结点)和叶子结点。 根结点本身即可以是内部结点,也可以是叶子结点。 根结点的关键字个数最

愿君出走半生,归来时仍是少年 2135

【深度学习新浪潮】为什么OpenClaw这么吃token?

OpenClaw 高 Token 消耗的核心是 Agent 多轮思考、工具调用上下文累积,以及平台内置的模板/多模型协同开销;PD 分离在 OpenClaw 中可针对性解决长上下文 Prefill 阻塞、KV Cache 复用低效问题,是提升其推理效率的核心优化手段,主要落地在长上下文处理与生成阶段解耦、KV Cache 集中管理、动态资源调度三个方向。

专注:太空算力、AI infra、异构调度、大模型成本工程 422

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 346

手把手教你学simulink(31.31)--双向DCDC电源场景示例:设计并实现一个基于变频控制的双向降压变换

设计并实现一个基于 Simulink 的双向降压变换器,能够在充电模式(从高压侧向低压侧传输能量)和放电模式(从低压侧向高压侧传输能量)之间切换,确保输出电压稳定,并根据负载变化自动调整工作模式。

MHD0815的博客 344

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

天猫精灵设备拆机及系统分析

我手头的这个天猫精灵型号为TG_X1,黑色天猫精灵AI助手,拆解没有多少难度,但需要注意连接线的问题。具体的拆机过程可以参见:http://www.geekifix.com/wp/archives/415.html注意一点就是,天猫精灵的主板的位置,位于音频按键的底部,也就是顶端,而拆解是从电源的位置从低到顶进行拆机;拆机后,看到主控板的信息如下:主控型号:联发科 MT8516MT8516支持四核...

LeeKwen的专栏 3万+

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 89

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 520

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 625

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

411

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5179

从认识人工智能到理解机器学习:我的 AI 入门第一课

正式开始学习人工智能之前,我对 AI 的认识其实比较模糊:知道 ChatGPT、知道大模型,也知道现在很多岗位都在谈 AI,但如果有人问我“人工智能到底是什么”“机器是怎么学会识别一只猫的”,我未必能从头到尾讲清楚。上午的课程更偏向行业全景:人工智能的发展、研究方向、NLP、岗位分工、学习路线和 AI Coding 工具。下午的课程更偏向技术基础:机器学习的原理、有监督学习、深度学习、模型训练和评估方法。

chh563的博客 580

企业宣传片发前如何批量排查并遮挡视频里的敏感信息

做企业视频的人都会碰到一个具体问题:实拍画面里混进了不该出现的信息。办公室背景里有贴着客户信息的白板,采访对象的授权书边缘露出一串身份证号码,街采素材里路人面孔和车牌号直接入镜。人眼在时间线上扫视,会漏掉快速闪过的帧、画面边缘的小字、以及暗光区域里的证件号码。用抹影AI完成车牌、人脸和证件区域批量检测后,又手动补充了两个时间段的屏幕遮罩,最终导出时画面已无合规隐患。重点关注快速运动、遮挡、低光照条件下的目标,这些是漏检的高发区域。导入视频后选择要检测的目标类型(人脸、车牌、证件号、二维码等)。

Mysssone的博客 182

面向工业对讲的双通道声学 DSP 模组 A-59(NR2050-A)方案解析与工程落地案例

A-59模组以NR2050-A DSP为核心,37.5×16mm邮票孔封装,支持-40℃~85℃工业温域,兼容A-06/A-09/A-29系列,可低成本替换存量设备。通过固件切换实现三种模式:模式一(低改版成本,适配矿井、电梯);模式二(最优AEC,用于医院呼叫);模式三(双波束独立输出,支持双人会议语音分离)。集成AEC、ENC、BF与AGC算法,有效抑制回声、噪声与串扰,解决对讲系统核心声学难题。选型需注意参考信号路径、麦间距与温度匹配,建议先做声学测试再量产。

R190_6589的博客 375

SAP商业AI正式通过网信备案:企业落地AI五问

中数通“CDC商业AI”通过广东网信部门备案,标志着SAP商业AI在华本地化迈出关键一步。然而,合规仅是起点,企业真正需关注的是:AI能否融入核心流程、数据治理是否健全、责任归属是否清晰、价值衡量机制是否建立。从“可用”到“用好”,关键在于工作流重构、跨团队协同与业务结果导向的评估体系。国产模型成本优势与本地部署能力为ERP深度集成提供可能,但真正的竞争力仍在于对数据、流程与业务上下文的理解力。

Acloudear的博客 216
上一篇: 从 C++ 到 Rust:构建高可靠 llama.cpp FFI 推理管线的 7 个硬核陷阱与防御方案
下一篇: 从零手写一个无锁 MPMC 环形队列(上):基于序号(Sequence)与 CAS 消除 ABA 问题的核心数据结构
第一程序员
博客等级 码龄1年 1万+粉丝 1827原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值