یک تابع 24 بایتی، جدولی چهار بایتی شامل 31 c0 90 48 را درون بدنهی خود نگه میدارد و با دستور jmp 0x14 از روی آن میپرد. خروجی llvm-objdump -d دستورهای xorl %eax, %eax، nop و در آدرس 0x13 دستور addq $0x1, %rax را چاپ میکند؛ همهی بایتها رمزگشایی (decode) میشوند و یک retq هم وجود دارد. سه خطای این فهرست خروجی را نام ببرید، بگویید کدام روش خروجی درستی میدهد، چرا ابزار مرجع هم همین اشتباه را دارد و در نهایت، همخوانی رمزگشای شما با آن ابزار چه چیزی را اثبات (Proof) میکند و چه چیزی را اثبات نمیکند.
اول خودتان جواب بدهید، بعد پاسخ را باز کنید.
پاسخ کوتاه
این فهرست سه اشتباه دارد: پرش در آدرس 0xe به مقصد 0x14 اشاره میکند در حالی که هیچ دستوری در فهرست از این آدرس شروع نمیشود؛ دستوری که واقعاً در آدرس 0x14 اجرا میشود یک دستور 32 بیتی addl $0x1, %eax است، در حالی که فهرست، یک addq شصتوچهار بیتی را یک بایت زودتر نشان میدهد؛ چون آخرین بایت جدول یعنی 48 بهعنوان پیشوند REX بلعیده شده است؛ و چهار بایت جدول بهشکل کد ظاهر شدهاند. نزول بازگشتی (Recursive descent) نماد را دنبال میکند، پرش را پی میگیرد، شش دستور را رمزگشایی میکند، دستور addl را در مقصد میخواند و هیچ بایتی از جدول یا پدینگ (Padding) را ادعا نمیکند. llvm-objdump خودش از پیمایش خطی (Linear sweep) استفاده میکند و نقطهی کور همین روش را به ارث میبرد: همخوانی با آن تنها رمزگشا را روی مرزهای دستورها میسنجد، و فقط روش نزول بازگشتی مشخص میکند که کدام دستورها اجرا میشوند.
پاسخ کامل
دو روش با دو نوع شکست متضاد
پیمایش خطی از اولین بایت بخش کد شروع میکند، یک دستور را رمزگشایی میکند، از بایت بلافاصله بعد از آن ادامه میدهد و در انتهای بخش متوقف میشود؛ در نتیجه دادههای درون کد بهصورت دستور رمزگشایی میشوند. در معماری x86 رمزگشا معمولاً بعد از چند بایت دوباره همگام میشود؛ به همین دلیل دیدن این خطا دشوار است و اصطلاحاً میگویند این روش در سکوت شکست میخورد (fail silently). در مقابل، نزول بازگشتی از یک نقطهی ورودی مشخص کار را آغاز میکند، پرشهای مستقیم و هر دو شاخهی دستورهای شرطی را پی میگیرد، بعد از فراخوانی (call) مسیر را ادامه میدهد، در بازگشت متوقف میشود و مجموعهای از آدرسهای دیدهشده را نگه میدارد. نقطهی شکست این روش دقیقاً برعکس است: پرش غیرمستقیم هیچ مقصدی درون بایتهای خود ندارد، بنابراین پیمایش همانجا متوقف میشود و هر بلوکی که فقط از طریق آن در دسترس باشد ناشناخته میماند؛ درست مثل اتفاقی که برای jmpq *%rax در تابع بهینهنشدهی grade رخ میدهد.
این تله زیر ذرهبین پنج ابزار
بستر آزمایشی (harness) مقایسه گزارش میدهد که پیمایش خطی 8 نقطهی شروع دستور در محدودهی تله پیدا کرده است؛ همراه با شروعهای اضافی در آدرسهای 0x10، 0x12 و 0x13، و جا افتادن نقطهی شروع واقعی در 0x14. سه ابزار ساخت گراف 6 نقطهی شروع، 2 بلوک و 1 یال را گزارش میکنند و بایتهای 0x10 تا 0x14 را دستنخورده باقی میگذارند. یکی از فریمورکها حتی روی بایتهای جدول یک تابع ساختگی میسازد؛ دو دستور درون یک بلوک چهار بایتی، بهطوری که بایت REX در آدرس 0x13 به هیچ دستوری تعلق ندارد. یافتهی آخر همان نکتهی کاربردی است: هیچ ابزار ساخت گرافی آدرسهای 0x10 تا 0x14 را رمزگشایی نمیکند؛ پس این بایتها درون تابع قرار دارند و داده هستند.
هدف از اوراکل چیست
رمزگشای شما باید در تمام دستورهای هر مجموعهدادهی نمونه (fixture) با llvm-objdump -d همخوانی داشته باشد؛ و همینطور هم هست: روی 86، 56، 84 و 11 دستور، یعنی در مجموع 237 دستور. این همخوانی اثبات میکند که رمزگشا پیشوندها، آپکدها، ModRM، SIB، جابهجاییها (Displacement) و عملوندهای مستقیم (immediate) را دقیقاً طبق راهنما میخواند. این همخوانی هیچ چیزی دربارهی دسترسپذیری اثبات نمیکند، چون اوراکل (Oracle) اصلاً چنین درخواستی نداشته است. اندازهگیری 9 ابزار دیساسمبلی (Disassembly) روی 981 فایل باینری کامپایلشده نشان داد که دادههای درون کد بسیار نادرتر از حد تصور مقالات هستند و تشخیص نقاط شروع توابع، جزء سازندهی (Primitive) دشوار کار است؛ این تله در خروجی کامپایلر کم دیده میشود، اما پرش غیرمستقیم بسیار رایج است.
حسابرسی بایتها
این دو روش را بایتبهبایت مقایسه کنید. بایتهایی که فقط پیمایش خطی ادعای مالکیت آنها را دارد پدینگ، داده، کد پشت یک پرش غیرمستقیم، یا کد تابعی بدون نقطهی ورودی مشخص هستند. پیمایش خطی کل بخش را رمزگشایی میکند، بنابراین اینها بایتهایی هستند که باید وضعیتشان مشخص شود. بایتهایی که نزول بازگشتی مدعی آنهاست، مواردی هستند که از آن نقطهی ورودی به آنها میرسد؛ این مفهوم دسترسپذیری است، نه اثبات اینکه حتماً اجرا میشوند.
سؤالهای تکمیلی مصاحبهگر
- سطح 2: آخرین بایت جدول را از
48بهe8تغییر دهید و دوباره بیلد بگیرید. پیمایش خطی چه چیزی چاپ میکند؟ نتیجهی مورد انتظار: یکcallqکه دستورهایaddlوretqرا میبلعد و مقصدی بیرون از بخش کد دارد؛ بهنظر میرسد تابع هیچ بازگشتی ندارد. - سطح 3: چرا نزول بازگشتی روی
jmpq *%raxدر تابع بهینهنشدهیgradeمتوقف میشود و چه چیزی آن را برطرف میکند؟ نتیجهی مورد انتظار: هیچ مقصدی درون بایتها نیست؛ بخش تحلیلگر آدرس پنج بازآدرسدهی (Relocation) جدول را میخواند و چهار مقصد متمایز را push میکند. - سطح 3: «شکست در سکوت» در عمل دقیقاً چه معنایی دارد؟ نتیجهی مورد انتظار: رمزگشا پس از چند بایت دوباره همگام میشود و تا وقتی به یک آپکد نامعتبر برخورد نکند چیزی تشخیص نمیدهد؛ بنابراین خروجی کاملاً اشتباه، کامل بهنظر میرسد.
- سطح 4: بایتهایی را که نزول بازگشتی ادعایی روی آنها ندارد چطور دستهبندی میکنید؟ نتیجهی مورد انتظار: پدینگ، داده، کد پشت پرش غیرمستقیم، یا بخشی از یک تابع بدون ورودی مشخص؛ باید وضعیت تکتک بایتها را در یکی از این دستهها مشخص کرد یا نشان داد که نزول بازگشتی به آنها رسیده است.
جوابهای اشتباهی که مصاحبهگرها زیاد میشنوند
- «ابزار مرجع درست میگوید چون ابزار مرجع است.» این ابزار فقط یک پیمایش خطی است؛ اوراکلی برای رمزگشایی است، نه برای دسترسپذیری.
- «فقط از نزول بازگشتی استفاده کنید.» این روش جلوی پرشهای غیرمستقیم متوقف میشود و کدِ در دسترس را تا زمان بازیابی جدول، ناشناخته رها میکند.
- «همهی بایتها رمزگشایی شدند، پس فهرست خروجی کامل است.» فهرست خروجی نشان میدهد کدام بایتها چه دستوری را میسازند، نه اینکه کدام دستورها اجرا میشوند.
کجای دوره آموزش داده میشود
درس دیساسمبلی هر دو روش و مجموعهدادهی نمونهی تله را پیاده میکند، و درس چشمانداز مهندسی معکوس پنج ابزار را روی آن اجرا کرده و وضعیت تکتک بایتها را مشخص میکند.