← 返回列表

利用angr符号执行去除虚假控制流

聚合站 SecWiki技术 作者 看雪学苑 发布 2021年2月20日 17:58 入库 2026-11-18T20:40:49

本文为看雪论坛优秀文章

看雪论坛作者ID:34r7hm4n

‍‍

接触OLLVM也有好长一段时间了,但一直停留在应用层面,接下来一段时间打算从进一步研究OLLVM。

俗话说柿子先挑软的捏,如果说OLLVM提供的几种混淆方式有辈分之分,那么虚假控制流(Bogus Control Flow)跟它的兄弟控制流平坦化(Control Flow Flattening)比起来就是弟中弟,我们就从去除OLLVM虚假控制流混淆开始吧!

GitHub仓库:bluesadi/debogus

0x00. 虚假控制流初探

虚假控制流混淆通过加入包含不透明谓词的条件跳转(也就是跳转与否在运行之前就已经确定的跳转,但IDA无法分析)和不可达的基本块,来干扰IDA的控制流分析和F5反汇编。

我们先用一个简单的例子来看看OLLVM虚假控制流混淆的效果:

include#includeintmain(){charname[100];scanf("%s", name);if(strcmp(name,"Alice") ==0) {printf("hello, %s.\n", name) ;}elseif(strcmp(name,"Bob") ==0) {printf("hello, %s\n", name);}else{printf("no permission.\n") ;}}

正常编译,在IDA中查看程序的CFG,还是比较清晰的:

加上-ollvm -bcf选项后编译,可以看到整个程序的流程图变得十分复杂:

F5反汇编可以看到程序多出了一些莫名其妙的跳转和循环:

这些跳转中的x和y位于.bss段,并且通过交叉引用发现没有被修改过,也就是说x和y在运行过程中一直为0。这里的x和y被称为不透明谓词,所谓不透明,就是IDA难以推断其在运行时的值,但我们都知道它就是0:

在图中y >= 10 && ((((_BYTE)x - 1) * (_BYTE)x) & 1) != 0是一个恒为false的条件,而y < 10 || ((((_BYTE)x - 1) * (_BYTE)x) & 1) == 0是一个恒为true的条件。

因此下图中用框起来的代码块永远不会被执行,那些永远不会执行到的代码块,就叫做不可达的基本块:

这些跳转和不可达基本块并不会影响程序原有的逻辑,但会干扰我们的分析,这就是虚假控制流混淆达到的效果。

0x01.利用angr符号执行去除不可达的基本块

利用符号执行去混淆的基本思路是:先找到目标函数的所有基本块,再通过符号执行遍历目标函数所有可达的基本块,剩下的就是不可达的基本块。把不可达的基本块全部nop掉,就能使IDA的F5反汇编正常分析。

首先加载我们需要的参数,比如文件名,目标函数的起始地址:

importargparseparser = argparse.ArgumentParser()parser.add_argument('-f','--file', help='The path of binary file to deobfuscate')parser.add_argument('-s','--start', help='Start address of target function')parser.add_argument('-e','--end', help='End address of target function')args = parser.parse_args()ifargs.file ==Noneorargs.start ==Noneorargs.end ==None:parser.print_help()exit(0)filename = args.filestart_address = int(args.start,16)end_address = int(args.end,16)

angr加载二进制文件:

importangrproj = angr.Project(filename, load_options={'auto_load_libs':False})

获取目标函数的函数的所有基本块:

target_blocks =set()cfg = proj.analyses.CFGFast()cfg = cfg.functions.get(start_address).transition_graphfornodeincfg.nodes():ifnode.addr >= start_address and node.addr <= end_address:target_blocks.add(node)

cfg是Control Flow Graph的缩写。注意cfg.nodes()中除了会包含函数本身的基本块之外,还会包含函数里调用的其他函数的基本块,所以这里用一个node.addr >= start_address and node.addr <= end_address把函数中调用的其他函数的基本块筛掉。

Hook掉目标函数中调用的所有其他函数:

function_size = end_address - start_address +1target_block = proj.factory.block(start_address,function_size)forinsintarget_block.capstone.insns:ifins.mnemonic =='call':proj.hook(int(ins.op_str,16), angr.SIM_PROCEDURES["stubs"]"ReturnUnconstrained", replace=True)

angr.SIM_PROCEDURES["stubs"]"ReturnUnconstrained"是ReturnUnconstrained类的一个实例,在符号执行过程中它会返回一个无约束的符号,简单来说就是一个可以返回任何值的函数。

为什么要这样Hook,原因是在符号执行一些静态链接的文件时,angr的符号执行模拟器会陷入到复杂的库函数中,导致跑的时间非常长或者根本跑不出来,这也是我把基本块的分析范围限制在目标函数内的原因。

在我研究过程中发现的另一个脚本:cq674350529/deflat显然就没有处理这个问题。

然后是符号执行的过程:

control_flow = set()state = proj.factory.blank_state(addr=start_address, remove_options={angr.sim_options.LAZY_SOLVES})simgr = proj.factory.simulation_manager(state)control_flow.add(state.addr)while len(simgr.active) > 0:for active in simgr.active:control_flow.add(active.addr)simgr.step()

从目标函数开始,simgr.step()逐块执行,一直到没有active状态为止(可以认为是运行结束)。

step的过程有点像BFS的过程,每碰到一个跳转就会分裂出两个新的active状态(前提是两个状态都是可达的)。

一边符号执行一边将符号执行能遍历到的所以基本块的地址保存到control_flow中。

最后nop掉没有被执行到的基本块:

base_address = proj.loader.main_object.mapped_basehandled_blocks =set()patched_addrs = []withopen(filename,'rb')asinp:data= bytearray(inp.read())forblockintarget_blocks:ifblock.addrinhandled_blocks:continuehandled_blocks.add(block.addr)ifblock.addrincontrol_flow:forchildincfg.successors(block):ifchild.addr < start_addressorchild.addr > end_address:continueifchild.addrnotincontrol_flow:handled_blocks.add(child.addr)patched_addrs.append(hex(child.addr))write_nops(data, child.addr - base_address, child.size)else:write_nops(data, block.addr - base_address, block.size)

最后将去混淆的结果保存到另一个文件中

name, suffix = split_suffix(filename)outpath = name +'_recovered'+ suffixwithopen(outpath,'wb')asout:out.write(data)print(f'Patched{len(patched_addrs)}unreachable blocks:{patched_addrs}')print(f'Recovered file is saved to:{outpath}')

0x02. 去混淆效果分析

这里我们直接用BUUCTF上的一道题测试:[XMAN2018排位赛]Dragon Quest。

可以看到很明显是虚假控制流混淆:


运行我们的脚本去混淆:

查看去混淆后的文件,可以看到去混淆的效果还不错:

我们再测试一个更变态的文件(感谢Rimao大佬提供)。

它的流程图是这样的:

伪代码有近2000行,混淆方式是Rimao大佬魔改的虚假控制流:

运行去混淆脚本:

IDA查看效果,发现没去干净:

并且运行也出错了:

理论上来说只要弄清混淆原理就有办法改进,不过要过年了嘛,就暂时不研究了hh。

0x03. 另一种方法:去除不透明谓词

把所有不透明谓词改为0也能使IDA的F5反汇编恢复正常,用idapython脚本就能实现,因为不是文章的重点就简单贴一下代码好了233:

这种方法的优点是脚本写起来简单,也不用考虑静态链接还是动态链接的问题,缺点是面对虚假控制流的变体可能无能为力。

去除虚假控制流 idapython脚本import ida_xrefimport ida_idaapifrom ida_bytes import get_bytes, patch_bytes# 将 mov 寄存器, 不透明谓词 修改为 mov 寄存器, 0def do_patch(ea):ifget_bytes(ea,1) == b"\x8B":# mov eax-edi, dwordreg = (ord(get_bytes(ea +1,1)) & 0b00111000) >>3patch_bytes(ea, (0xB8+ reg).to_bytes(1,'little') + b'\x00\x00\x00\x00\x90')else:print('error')# 不透明谓词在.bss段的范围start =0x00428298end =0x00428384foraddr in range(start,end,4):ref= ida_xref.get_first_dref_to(addr)print(hex(addr).center(20,'-'))# 获取所有交叉引用while(ref!= ida_idaapi.BADADDR):do_patch(ref)print('patch at '+hex(ref))ref= ida_xref.get_next_dref_to(addr,ref)print('-'*20)

0x04. 一些改进的想法

在上面的脚本中为了防止angr陷到库函数里面,我把符号执行的范围限定在了目标函数内。这样的缺陷是如果有多个函数被混淆了,就要运行很多次脚本。可以加入一个深度参数--depth,距离目标函数的调用深度不超过depth的函数都会被去混淆,这是一个改进方案,不过感觉代码量很大就没实现了呜呜。

另一个可以改进的地方是在去掉不可达的基本块之后,还可以顺便把跳转到这个基本块的jnz指令改成jmp指令,可能对以后要研究的去除虚假控制流变体有帮助。

0x05. 之后的打算

我对angr的研究也不是特别深入,因此这个去混淆脚本也许不能适用于所有情况(比如上面那个魔改虚假控制流),不过应对OLLVM的虚假控制流混淆应该没有问题。Rimao师傅还提出了一个“怎么区分虚假控制流还是输入导致的分支”问题,欢迎大家讨论吧233。

打算继续研究基于LLVM的混淆了,angr也会继续学习,届时还会推出一些相关的文章,欢迎大家交流学习!

0x06. 参考

obfuscator-llvm/obfuscator

angr/angr

cq674350529/deflat

angr Documentation

基于Miasm符号执行移除OLLVM虚假控制流

‍

‍

‍

看雪ID:34r7hm4n

https://bbs.pediy.com/user-home-910514.htm

*本文由看雪论坛 34r7hm4n 原创,转载请注明来自看雪社区。

往期推荐

记一次渗透行动

Linux下wine运行Windows服务的缓冲区溢出

PHP函数漏洞审计之addslashes函数-实例分析苹果CMS

Linux内核分析 | CVE-2017-1000112(UDP Fragment Offload)

【流程分析】网络拉取内存加载C#木马

公众号ID:ikanxue

官方微博:看雪安全

商务合作:wsc@kanxue.com

球分享

球点赞

球在看

点击“阅读原文”,了解更多!

原文链接:https://mp.weixin.qq.com/s/d8xoR3VdMf6lMfnETaQHZw