Communitygithub.com

trailofbits/testes-baseados-em-propriedades

Fornece orientação para testes baseados em propriedades em várias linguagens e contratos inteligentes. Use ao escrever testes, revisar código com padrões de serialização/validação/análise, projetar recursos ou quando testes baseados em propriedades fornecerem cobertura mais forte do que testes baseados em exemplos.

O que é testes-baseados-em-propriedades?

Este skill, `trailofbits/testes-baseados-em-propriedades`, oferece diretrizes práticas para implementar testes baseados em propriedades (property-based testing) em diversas linguagens de programação e contratos inteligentes. Seu objetivo é ajudar desenvolvedores e agentes de IA a identificar cenários onde essa abordagem de teste é mais eficaz do que os testes tradicionais baseados em exemplos, especialmente ao lidar com serialização, validação e parsing de dados. O skill detalha como aplicar conceitos como invariantes, geração de entradas aleatórias e redução de contraexemplos (shrinking) em ambientes como Rust (com `proptest`), Python (com `Hypothesis`), Solidity (com `Foundry`) e JavaScript/TypeScript (com `fast-check`). Ao integrar este skill, um agente pode sugerir automaticamente propriedades a serem testadas, gerar código de teste estruturado e recomendar bibliotecas apropriadas, aumentando significativamente a cobertura e a confiabilidade do código, especialmente em sistemas complexos com entradas imprevisíveis.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/trailofbits/skills/tree/main/skills/property-based-testing

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que testes-baseados-em-propriedades faz?

Fornece orientação para testes baseados em propriedades em várias linguagens e contratos inteligentes. Use ao escrever testes, revisar código com padrões de serialização/validação/análise, projetar recursos ou quando testes baseados em propriedades fornecerem cobertura mais forte do que testes baseados em exemplos.

O que são testes baseados em propriedades?

Testes baseados em propriedades são uma estratégia onde você define propriedades de alto nível que seu código deve sempre cumprir (invariantes). Em vez de escrever centenas de casos de teste manuais, você descreve uma propriedade e uma ferramenta gera milhares de entradas válidas (e, se possível, inválidas) para verificar automaticamente se a propriedade é violada.

Principais conceitos

  • Invariantes: Propriedades que sempre devem ser verdadeiras (ex.: sort seguido de reverse duas vezes retorna ao estado original).
  • Entradas geradas aleatoriamente: O framework cria entradas aleatórias para testar o comportamento do sistema.
  • Redução de contraexemplos (shrink): Quando um teste falha, o framework tenta gerar o menor exemplo possível que ainda cause a falha, facilitando o debugging.

Quando usar este skill

  • Ao escrever testes unitários ou de integração, especialmente para funções de parsing, validação, serialização ou transformações de dados.
  • Ao revisar código onde existem muitas combinações possíveis de entrada (por exemplo, uma API de entrada de usuário).
  • Ao projetar novos recursos para garantir que as especificações estejam corretas desde o início.
  • Ao trabalhar com contratos inteligentes, onde a cobertura abrangente é crítica para segurança.

Linguagens e ferramentas suportadas

LinguagemFerramenta recomendadaExemplo de uso
Rustproptest ou quickcheckTestar funções de serialização
PythonHypothesisValidar decodificadores de rede
JavaScriptfast-checkTestar parsers de JSON/Markdown
SolidityFoundry (via fuzz testing)Verificar invariantes de DeFi
JavajqwikGarantir que objetos ORM sejam válidos

Como usar

Exemplo 1: Rust com proptest

use proptest::prelude::*;

proptest! {
    #[test]
    fn reverse_nao_duplica_elementos(v: Vec<i32>) {
        let mut reverso = v.clone();
        reverso.reverse();
        // Propriedade: reverter duas vezes volta ao original
        assert_eq!(v, reverso);
    }
}

Exemplo 2: Python com Hypothesis

from hypothesis import given, strategies as st

def decode_dados(entrada: bytes) -> dict[str, int]:
    # Implementação simples para exemplo
    resultado = {}
    if len(entrada) % 8 != 0:
        raise ValueError("Tamanho inválido")
    for i in range(0, len(entrada), 8):
        chave = entrada[i:i+4].decode("ascii", errors="ignore")
        valor = int.from_bytes(entrada[i+4:i+8], "little")
        resultado[chave] = valor
    return resultado

@given(st.binary(min_size=0, max_size=64))
def test_decode_nao_lanca_excecao_inesperada(dados: bytes) -> None:
    try:
        resultado = decode_dados(dados)
        for chave, valor in resultado.items():
            assert isinstance(chave, str) and isinstance(valor, int)
    except ValueError:
        pass  # Esperado para entradas inválidas

Exemplo 3: Solidity com Foundry Fuzzing

// SPDX-License-Identifier: MIT
pragma solidity ^0.8.0;

import "forge-std/Test.sol";

contract TestVault {
    Vault public vault;

    function setUp() public {
        vault = new Vault();
    }

    // Propriedade: totalSupply nunca deve exceder o limite máximo
    function testFuzz_totalSupplyLimite(uint256 amount) public {
        vm.assume(amount > 0 && amount <= 100 ether);
        vault.depositar{value: amount}();
        assertLe(vault.totalSupply(), 100 ether);
    }
}

Exemplo 4: JavaScript com fast-check

const fc = require("fast-check");
const { parseISO, isValid } = require("date-fns");

function processarDataString(str) {
    const data = parseISO(str);
    if (!isValid(data)) {
        return null;
    }
    return { ano: data.getFullYear(), mes: data.getMonth() + 1, dia: data.getDate() };
}

fc.assert(
    fc.property(fc.isoDateString(), (dataStr) => {
        const resultado = processarDataString(dataStr);
        // Propriedade: strings ISO válidas sempre produzem resultado não nulo
        expect(resultado).not.toBeNull();
        expect(resultado.ano).toBeGreaterThan(0);
    })
);

Boas práticas

  1. Comece com invariantes simples: Identifique propriedades que são sempre verdadeiras independentemente da implementação.
  2. Use shrinking ativado: A maioria dos frameworks já vem com shrinking habilitado; não o desative a menos que tenha um motivo forte.
  3. Combine com testes baseados em exemplos: Testes baseados em propriedades complementam, não substituem, testes de exemplo para casos limite conhecidos.
  4. Teste também entradas inválidas: Propriedades como "não lança exceções inesperadas" são poderosas para código defensivo.
  5. Documente as propriedades bem: Cada propriedade deve vir acompanhada de um comentário explicando por que ela é verdadeira.

Referências

Contribuindo

Contribuições são bem-vindas! Por favor, abra um issue ou pull request se tiver sugestões de melhoria ou exemplos adicionais para outras linguagens.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

trailofbits/address-sanitizer

AddressSanitizer detects memory errors during fuzzing. Use when fuzzing C/C++ code to find buffer overflows and use-after-free bugs.

trailofbits/aflpp

AFL++ is a fork of AFL with better fuzzing performance and advanced features. Use for multi-core fuzzing of C/C++ projects.

trailofbits/agentic-actions-auditor

Audits GitHub Actions workflows for security vulnerabilities in AI agent integrations including Claude Code Action, Gemini CLI, OpenAI Codex, and GitHub AI Inference. Detects attack vectors where attacker-controlled input reaches AI agents running in CI/CD pipelines, including env var intermediary patterns, direct expression injection, dangerous sandbox configurations, and wildcard user allowlists. Use when reviewing workflow files that invoke AI coding agents, auditing CI/CD pipeline security for prompt injection risks, or evaluating agentic action configurations.

trailofbits/algorand-vulnerability-scanner

Scans Algorand smart contracts for 11 common vulnerabilities including rekeying attacks, unchecked transaction fees, missing field validations, and access control issues. Use when auditing Algorand projects (TEAL/PyTeal).

trailofbits/ask-questions-if-underspecified

Clarify requirements before implementing. Use when serious doubts arise.

trailofbits/atheris

Atheris is a coverage-guided Python fuzzer based on libFuzzer. Use for fuzzing pure Python code and Python C extensions.

trailofbits/audit-augmentation

Augments Trailmark code graphs with external audit findings from SARIF static analysis results and weAudit annotation files. Maps findings to graph nodes by file and line overlap, creates severity-based subgraphs, and enables cross-referencing findings with pre-analysis data (blast radius, taint, etc.). Use when projecting SARIF results onto a code graph, overlaying weAudit annotations, cross-referencing Semgrep or CodeQL findings with call graph data, or visualizing audit findings in the context of code structure.

trailofbits/audit-context-building

Enables ultra-granular, line-by-line code analysis to build deep architectural context before vulnerability or bug finding.

trailofbits/audit-prep-assistant

Prepares codebases for security review using Trail of Bits' checklist. Helps set review goals, runs static analysis tools, increases test coverage, removes dead code, ensures accessibility, and generates documentation (flowcharts, user stories, inline comments).

trailofbits/burpsuite-project-parser

Searches and explores Burp Suite project files (.burp) from the command line. Use when searching response headers or bodies with regex patterns, extracting security audit findings, dumping proxy history or site map data, or analyzing HTTP traffic captured in a Burp project.

trailofbits/cairo-vulnerability-scanner

Scans Cairo/StarkNet smart contracts for 6 critical vulnerabilities including felt252 arithmetic overflow, L1-L2 messaging issues, address conversion problems, and signature replay. Use when auditing StarkNet projects.

trailofbits/cargo-fuzz

cargo-fuzz is the de facto fuzzing tool for Rust projects using Cargo. Use for fuzzing Rust code with libFuzzer backend.

trailofbits/chrome-mcp-troubleshooting

Diagnose and fix Claude in Chrome MCP extension connectivity issues. Use when mcp__claude-in-chrome__* tools fail, return "Browser extension is not connected", or behave erratically.

trailofbits/claude-in-chrome-troubleshooting

Diagnose and fix Claude in Chrome MCP extension connectivity issues. Use when mcp__claude-in-chrome__* tools fail, return "Browser extension is not connected", or behave erratically.

trailofbits/code-improver

Runs an autonomous review-and-fix improvement loop over any code target — a skill, plugin, module, or directory — using a reviewer the user names: any installed skill or agent. Keeps a cross-round findings ledger, escalates when fixes stop converging, and guards scope mechanically. Use when asked to 'improve this code until review passes', 'run an improvement loop with <reviewer>', or to iterate review-and-fix with a specific reviewer. For skills prefer the skill-improver entry; for a branch prefer pr-improver.

trailofbits/code-maturity-assessor

Systematic code maturity assessment using Trail of Bits' 9-category framework. Analyzes codebase for arithmetic safety, auditing practices, access controls, complexity, decentralization, documentation, MEV risks, low-level code, and testing. Produces professional scorecard with evidence-based ratings and actionable recommendations.

trailofbits/codeql

Scans a codebase for security vulnerabilities using CodeQL's interprocedural data flow and taint tracking analysis. Triggers on "run codeql", "codeql scan", "codeql analysis", "build codeql database", or "find vulnerabilities with codeql". Supports "run all" (security-and-quality + security-experimental suites) and "important only" (high-precision security findings) scan modes. Also handles creating data extension models and processing CodeQL SARIF output.

trailofbits/constant-time-analysis

Detects timing side-channel vulnerabilities in cryptographic code. Use when implementing or reviewing crypto code, encountering division on secrets, secret-dependent branches, or constant-time programming questions in C, C++, Go, Rust, Swift, Java, Kotlin, C#, PHP, JavaScript, TypeScript, Python, or Ruby.

trailofbits/constant-time-testing

Constant-time testing detects timing side channels in cryptographic code. Use when auditing crypto implementations for timing vulnerabilities.

trailofbits/cosmos-vulnerability-scanner

Scans Cosmos SDK blockchain modules and CosmWasm contracts for consensus-critical vulnerabilities — chain halts, fund loss, state divergence. 25 core + 16 IBC + 10 EVM + 3 CosmWasm patterns. Use when auditing custom x/ modules, reviewing IBC integrations, or assessing pre-launch chain security. Updated for SDK v0.53.x.

Habilidades Relacionadas