یک فایل اجرایی stripشدهی arm64 شامل پنج تابع است، اما nm فقط نام یکی را فهرست میکند. چهار روش بازیابی نقاط شروع توابع را مقایسه کنید، دقت هرکدام را در مقایسه با نسخهی stripنشده در دو سطح بهینهسازی -O0 و -O2 بسنجید و بگویید پس از آن چطور روی توابع نام میگذارید و این نامگذاری کجا دچار تداخل (Collision) میشود.
اول خودتان جواب بدهید، بعد پاسخ را باز کنید.
پاسخ کوتاه
جدول اختصاصی ویرایشگر پیوند (Link editor) برنده است: دستور LC_FUNCTION_STARTS شامل 9 بایت از تفاضلهای uleb128 است که تمام 5 نقطهی شروع را در هر دو سطح فهرست میکند و strip هم کاری به آن ندارد. اسکن پرولوگ (Prologue) برای دستور ذخیرهی فریم با پیشایندکس (Pre-indexed) هیچ موردی (0 از 5) پیدا نمیکند؛ چون کامپایلر ابتدا sub sp, sp, #N را صادر میکند. ماسک گذاشتن برای این دستور sub، در سطح -O0 به نتیجهی 5 از 5 میرسد و در سطح -O2 فقط 1 از 5 را پیدا میکند، چون چهار تابع برگ (Leaf function) اصلاً فریمی ندارند. مقصدهای فراخوانی (Call targets) بههمراه نقطهی ورود (Entry point) به نتیجهی 5 از 5 میرسند؛ چون کامپایلر برای کد C هیچوقت دستور bl را به وسط تابع صادر نمیکند. نامها از امضاهایی به دست میآیند که از فایلهای شیءِ (Object files) خودتان ساخته شدهاند: یک الگوی 32 بایتی با بایتهای بازآدرسدهیِ (Relocation) ماسکشده بهصورت وایلدکارد بههمراه CRC16 از ادامهی آن. در سطح -O2، دو تابع بهخاطر درونخطی شدن (Inline) یکی در دیگری، 36 بایت ابتدایی یکسانی دارند؛ بایت انتهایی در آفست 44 و تفاوت طول 60 در برابر 72 بایت این تداخل را برطرف میکنند.
پاسخ کامل
چهار روش شناسایی
| روش | چه چیزی را میخواند | -O0 |
-O2 |
دلیل |
|---|---|---|---|---|
LC_FUNCTION_STARTS |
تفاضلهای uleb128 در بخش __LINKEDIT |
5 از 5 | 5 از 5 | برای بازگشا (Unwinder) و گزارشگر کرش نوشته شده است؛ از دستبرد strip جان سالم به در میبرد |
| پرولوگ ذخیرهی فریم | stp x29, x30, [sp, #-0x10]! |
0 از 5 | 0 از 5 | کامپایلر این جفت را بعد از sub sp در یک آفست مثبت ذخیره میکند |
ماسک دستور sub sp |
(word & 0xff0003ff) == 0xd10003ff |
5 از 5 | 1 از 5 | توابع برگ در -O2 هیچ فریمی تخصیص نمیدهند؛ یکی هم با cbz شروع میشود |
| مقصدهای فراخوانی | همهی دستورهای bl داخل __text، بههمراه ورودی LC_MAIN |
5 از 5 | 5 از 5 | هیچ کدی main را فراخوانی نمیکند، بنابراین ورودی آن دستی اضافه میشود |
بهخاطر کوچک بودن برنامه، هیچ مورد مثبت کاذبی (False positive) در اینجا پیش نیامد. الگوهای یکبایتی مثل بایتِ push rbp در معماری x86-64 لابهلای بایتهای دستورهای دیگر هم پیدا میشوند؛ به همین دلیل در فایلهای الگوی واقعی، الگوی شروع را با بایتی که لزوماً باید پایان تابع قبلی باشد جفت میکنند. همیشه اولویت را به جدولهایی بدهید که ویرایشگر پیوند نوشته است، سپس سراغ مقصدهای فراخوانی بروید تا فاصلهها پر شوند، و اسکن بایتها را در آخرین مرحله بگذارید.
آنچه strip در هر فرمت باقی میگذارد
نامهایی که بارگذار (Loader) مقید میکند همهجا باقی میمانند: ایمپورتها و اکسپورتها در جدول نمادهای پویا (Dynamic symbol table)، دایرکتوریهای ایمپورت و اکسپورت در ایمیج PE، و جدول ایمپورتهای زنجیرهای بههمراه ترای اکسپورتها (Exports trie) در Mach-O. نقاط شروع توابع نیز بهصورت دادههای بازگشایی پشته (Unwind data) (بخش .eh_frame، مگر اینکه بدون جدولهای بازگشایی کامپایل شده باشد)، بهصورت ورودیهای .pdata برای توابع غیربرگ در ایمیج PE، و بهصورت LC_FUNCTION_STARTS حفظ میشوند. جدول نمادهای ایستا و بخشهای اشکالزدایی (Debug sections) حذف میشوند. یک کتابخانهی کاملاً stripشده که جدول نمادهایش صفر رکورد دارد، همچنان بدون مشکل پیوند میخورد؛ چون ویرایشگر پیوند اطلاعاتش را از ترای اکسپورتها میخواند.
امضاها و تداخل
امضا از 32 بایت اول تابع تشکیل میشود که در آن تمام بایتهای بازآدرسدهیشده متغیر علامتگذاری شدهاند، بههمراه یک CRC16 از بایتهای بعد از الگو تا اولین بایتِ متغیر بعدی، و نامهایی که تابع به آنها ارجاع میدهد. این امضاها از روی فایلهای شیءِ stripنشده ساخته میشوند و وقتی روی تکتک نقاط شروع بازیابیشده اعمال شوند، هر پنج تابع را در هر دو سطح نامگذاری میکنند. در سطح -O2، دو تابعی که دچار تداخل شدهاند خطوط الگو و CRC کاملاً یکسانی تولید میکنند؛ گزارش نهایی هر دو کاندیدا و بایتی را که باعث تمایزشان شده است ثبت میکند. تداخلی که با هیچ معیاری حل نشود، ناشناخته باقی میماند. مقدمه (Premise) نیز راستیآزمایی میشود: تکتک بایتهای غیرمتغیر هر تابع در فایل شیء، دقیقاً برابر با بایت موجود در همان آفست از فایل پیوندخورده است؛ پس ویرایشگر پیوند فقط کلمات بازآدرسدهیشده را تغییر داده است.
سؤالهای تکمیلی مصاحبهگر
- سطح 2: چرا اسکن ذخیرهی فریم حتی در سطح
-O0هم چیزی پیدا نمیکند؟ پاسخ مورد انتظار: کامپایلر ابتداsub spرا صادر میکند و رکورد فریم (Frame record) را در آفست مثبت مینویسد، بنابراین حالت پیشایندکس اصلاً رخ نمیدهد. - سطح 3: چرا
stripنمیتواند جدول شروع توابع را حذف کند؟ پاسخ مورد انتظار: بازگشا و گزارشگر کرش آن را میخوانند، ویرایشگر پیوند آن را داخل__LINKEDITمینویسد و فقط جدول نمادهاست که به دیباگر تعلق دارد. - سطح 3: وقتی دو امضا در یک نقطهی شروع یکسان تطبیق میخورند، چه چیزی ثبت میکنید؟ پاسخ مورد انتظار: هر دو کاندیدا، بایت انتهایی و طولهایی که تداخل را حل کردهاند؛ و اگر هیچ معیاری تداخل را برطرف نکند، وضعیت ناشناخته.
- سطح 4: در یک ایمیج PE چه جدولی این نقش را بازی میکند و چه مواردی را از قلم میاندازد؟ پاسخ مورد انتظار: جدول
.pdataبا ورودیهایRUNTIME_FUNCTIONخود؛ این جدول توابع برگی را که استک تخصیص نمیدهند و هیچ چیزی را فراخوانی نمیکنند، از قلم میاندازد.
جوابهای اشتباهی که مصاحبهگرها زیاد میشنوند
- «
nmیک تابع را نشان میدهد، پس کلاً یک تابع وجود دارد.» این دستور جدول نمادها را نشان میدهد؛ جدول نقاط شروعِ ویرایشگر پیوند هر پنج مورد را فهرست کرده است. - «دنبال پرولوگ استاندارد بگردید.» در سطح
-O2چهار تا از پنج تابع اصلاً فریم ندارند؛ اسکن همان چیزی را گزارش میکند که کامپایلر تصمیم گرفته صادر کند. - «تطبیق داشتن CRC نام تابع را اثبات میکند.» دو تابع الگو و CRC یکسانی داشتند؛ بایت انتهایی و طولها تفاوت را مشخص کردند و گزارش هم دقیقاً همین را میگوید.
کجای دوره آموزش داده میشود
درس پیوند عملکرد این چهار روش را در مقایسه با نسخهی stripنشده میسنجد و امضاهایی را میسازد که در سطح بهینهسازی -O2 دچار تداخل میشوند.