2023年4月3日，MEV机器人遭受恶意三明治攻击，损失约2500万美元。什么是三明治攻击？本次攻击又是如何发生？
原文：《遭遇“黑吃黑”？MEV机器人损失2500万美元攻击事件分析》
2023年4月3日，据Beosin-Eagle Eye态势感知平台消息，MEV机器人遭受恶意三明治攻击，损失约2500万美元。
什么是三明治攻击？本次攻击又是如何发生，Beosin安全团队第一时间对事件进行了分析，结果如下。
攻击block：
https://etherscan.io/block/16964664
攻击者：
https://etherscan.io/address/0x3c98d617db017f51c6a73a13e80e1fe14cd1d8eb
Mev bug git link：
https://github.com/flashbots/mev-boost-relay/pull/330
Bundles analyze@samczsun：
https://twitter.com/samczsun/status/1642848556590723075?s=46&t=Ucn3vRhyG0n8a4YU2zWE0g
攻击简介：
恶意节点利用MEV-boost-relay相关漏洞，然后通过恶意三明治攻击价格操纵并最终获利。
MEVbot介绍：
最大可提取价值 (MEV) 是指通过在区块中添加和排除交易并更改区块中的交易顺序，可以从区块生产中提取的超过标准区块奖励和燃料费用的最大值。
在区块链数据上运行复杂的算法来检测盈利的 MEV 机会,有机器人自动将这些盈利交易提交到网络。
MEVbot有许多策略，dex中通过币价差套利，清算，NFT MEV等等而本次攻击中涉及的三明治交易，为了实现这样的功能，MEV bot会监视内存池内 DEX 的交易并且计算影响，抢先下单低价买入，然后在用户交易后卖出获利。最近FlashBots等 MEV 服务的兴起现在允许交易者创建“三明治捆绑包”，其中所有 3 笔交易都执行，或者都不执行。与此同时，矿工交易团队也有所增加，他们将三明治包直接挖到他们的区块中。
三明治攻击（sandwich attacks）是DeFi里流行的抢先交易技术的一种。为了形成一个“三明治”交易，攻击者（或者我们叫他掠夺性交易员）会找到一个待处理的受害者交易，然后试图通过前后的交易夹击该受害者。这种策略来源于买卖资产从而操作资产价格的方法。
三明治攻击介绍：
三明治攻击（sandwich attacks）是DeFi里流行的抢先交易技术的一种。为了形成一个“三明治”交易，攻击者（或者我们叫他掠夺性交易员）会找到一个待处理的受害者交易，然后试图通过前后的交易夹击该受害者。这种策略来源于买卖资产从而操作资产价格的方法。
三明治交易的目标是利用意外受害者的滑点，同时也有许多诱饵机器人反过来利用MEVBot的策略，例如恶意的诱饵代币，或者转账函数中特殊的金额指定等，而本次攻击利用了MEVBot相关漏洞。
链下BUG描述：
正常情况下恶意提议者很难修改bundles，这是因为双签惩罚，但是攻击parent_root和state_root被恶意设置为0x00，会导致PublishBlock返回error，但是由于旧版本没有对返回的error进行处理，从而获取已经披露的Bundles，才导致了事件的发生，下图是git中对该漏洞的修复。
链上攻击流程：
1.其中一次攻击为例，攻击者首先将目标瞄准到流动性很低的池子，并试探MEV机器人是否会抢跑交易。例如下图中，我们可以看到攻击者通过0.04 WETH试探MEV机器人，勾引MEV机器人进行抢跑套利。发现池子确实有MEV机器人进行监控，并且MEV机器人会使用其所有的资金进行套利。
2.攻击者试探成功之后使用预先在Uniswap V3中兑换出来的大量代币在低流动性的V2池内进行兑换操作，勾引MEV使用全部的WETH进行抢跑购买不值钱的代币。然而被抢跑的交易其实才是瞄准了MEV的攻击交易，使用了大量的代币换出MEV刚刚进行抢跑的所有WETH。
3.这时由于MEV进行抢跑的WETH已经被攻击交易兑换出来，所以MEV机器人想要重新换回WETH的操作会执行失败。
例如
总结
一是因为攻击者利用MEVbot相关Bug，这是攻击能够完成的主要原因。
二是因为MEV每次在低流动性池中套利仍然会使用自身所有的资金，这是攻击损失如此大的可能原因。
三是因为在uniswap V3中可以用少量资金获得同样的代币，而其价值在V2池中已经被操纵失衡，这是攻击中使用的主要手法。
部分参考：
https://github.com/flashbots/mev-boost-relay/pull/330
感谢twitter@samczsun
资金追踪：
截止发稿前，Beosin KYT反洗钱分析平台发现目前主要被盗资金位于地址
0x3c98d617db017f51c6a73a13e80e1fe14cd1d8eb($20,051,175.47),
0x5B04db6Dd290F680Ae15D1107FCC06A4763905b6($2,334,519.51)，
0x27bf8f099Ad1eBb2307DF1A7973026565f9C8f69($2,971,393.59)。
约2520万美元。
