GPU恐成最大帮凶 未来病毒运行技术前瞻

并行计算是计算机行业的新兴领域，特别是利用GPU进行大规模的并行计算研究。但别忘了，除了正常的软件外，一些恶意软件也在紧紧盯着GPU强大的并行计算能力，并妄图使用GPU的高性能来达到不可告人的目的。前段时间，希腊FORTH-ICS研究院的著名学者Giorgos Vasiliadis先生、美国哥伦比亚大学的Michalis Polychronakis先生以及同为希腊FORTH-ICS研究院的Sotiris Ioannidis先生，共同发表了一篇名为《GPU助力恶意软件》的论文。在文中，三位研究人士详细解释了恶意软件的运行情况以及它们将可能如何使用GPU资源来为非作歹的方法。我们特别编译了这篇论文，希望让大家了解到未来恶意程序在GPU上运行的可能性。

恶意软件的编写者们不断地在寻找新的方法来伪装他们的代码，以求逃过杀毒软件的检测。目前有两种新的代码伪装技术对现有的恶意代码检测分析系统形成了挑战，这就是脱壳（unpacking）和运行时多态（run-time polymorphism）。更为危险的是，脱壳和运行时多态都可以利用GPU进行加速。这样一来，之前困扰恶意软件编写者的那些高负荷计算运行方法，都可以利用GPU强大的并行计算能力进行处理。这将导致我们在未来面临破坏力更为强大、狡猾而令人防不胜防的恶意软件。

加壳和变身 恶意软件感染计算机的方法

本文中将提到多次有关计算机病毒、僵尸客户端、木马程序、后门程序以及恶意软件等诸多对电脑正常程序运行产生危害的非法软件。为了方便起见，本文全部将其称呼为“怀有恶意性质的软件”或“恶意软件”。

在正常情况下，这些怀有恶意性质的软件，会悄悄地插入你的系统进程中，并在后台执行一些不可告人的操作。从硬件角度来分析，传统计算机系统中，只有CPU能完成这样的任务。原因首先是CPU可以执行任意类型的代码，可编程性极强；其次，CPU是系统的核心，拥有执行任务相当高的权限；其三，现代CPU性能都很不错，多核心技术的普及让这些怀疑恶意性质的软件即使运行起来，用户也很难察觉——因为你的CPU某些核心往往不会满载，再加上成熟的中断技术以及并行技术的运用，能让CPU同时执行多个任务并完美完成。

虽然GPU通用计算并非从G80开始，但G80的架构设计令GPU的可编程性大大提高，真正具有进行通用计算的可行性。

随着技术的进步，GPU可编程性的提升，特别是进入DirectX 10时代后，GPU的可编程性能被更为深入地挖掘。目前GPU通用计算的发展已经相当成熟，一些厂商如AMD和NVIDIA，已经分别针对其GPU发布了相应的SDK（software development kits，软件开发包），用于帮助程序员执行可以在GPU上运行的通用代码。这些代码甚至可以使用传统的C语言来编写，比较常见的有NVIDIA的CUDA或者AMD的Stream。

目前，最新一代的GPU（比如支持DirectX 11的NVIDIA GeForce GTX 500系列），已经允许CPU和GPU上运行的代码完全相同（如NVIDIA所推出的CUDA-X86计划）。在这种情况下，GPU通用计算被广泛应用于各类计算任务中。当然，这部分计算任务还包括那些“雄心勃勃”的恶意软件代码编写者。考虑到通用计算的巨大潜力，做出“恶意软件编写者们将利用现代GPU的强大性能，来为自己牟利”的预测就是很自然的事情了。

当然，如果恶意软件需要正常的运行，必须有两个先决条件：1. 躲避现有反恶意软件的防御能力；2. 超越分析人员人工解析的能力。很多情况下，对恶意软件的人工解析是确定、部署相应的检测并开发反制软件的先决条件。为了达到这个目的，恶意软件往往使用两种手段来阻止各种反恶意软件发现，并防御自己的运行——这就是加壳和多态性，这是使用最为广泛的、用于逃避反恶意软件扫描和防御的技术。除此之外，在实际应用中，代码伪装和反调试技巧常常被用于阻碍对恶意软件代码所实施的逆向分析工程。

所谓加壳，就是将自己真正需要运行的内容保护起来。打比方来说，炸弹外面包上鲜花，然后放在邮包里，邮包放在旅行箱里，旅行箱被放在运输飞机的某一处。在加了三层壳子后，炸弹看起来像个正常的旅行箱，但一旦飞机上天，爆炸后的后果就不堪设想。恶意软件往往将自己伪装成正常执行的程序，骗取系统或者反病毒软件，甚至是用户本人的信任，最终实现其不可知的目的。

Fermi是彻底面向通用计算设计的一颗极为优秀的核心，它的架构大大提升了GPU的通用计算能力。

而多态性，是指恶意软件在执行时，不将自己全部暴露在内存中——如果全部暴露，就可能难以逃脱反恶意软件的扫描。因此，恶意软件将自己的一小部分暴露在内存中，然后在需要的时候再暴露另一部分。简而言之就是“化整为零，按需调用”。这个看起来相当“有效率”的方法，带来了恶意软件非常难以防御的特性。因为程序不是人，它们只能机械地执行扫描和对比的任务。如果反病毒程序已经确定了几种恶意软件“变身”的方法，那么只要恶意软件下次改变一下暴露顺序，或者掩盖一下自己的执行目标，反病毒软件就可能无法侦测。

迄今为止，这些所有的恶意软件都利用了目前程序执行环境的复杂性，尽可能隐秘地逃脱反恶意软件的侦测。更糟的是，大部分研究反恶意软件的安全研究人员们只关注于IA-32架构，因为绝大多数恶意软件都运行在x86系统上。但令人担心的是，GPU通用计算的来临，为恶意软件的编写者们带来了一扇机会之窗，因为大多数安全研究者对于GPU的执行环境和指令集架构并不熟悉。利用GPU通用计算，恶意软件可能会有效对抗现有的防御手段。

机会还是威胁 GPU通用计算的发展

接下来，让我们先暂停一下对恶意软件的恐惧，进入GPU的世界。GPU通用计算最近几年来飞速发展，当GPU本身可编程性和灵活性大大提高后，很多人开始着手探索如何利用GPU架构进行大规模的并行计算，毕竟GPU拥有系统中最为强劲的浮点计算能力，仅仅作为3D计算显然相当可惜。但GPU通用计算需要专用API才能在GPU上完美运行。一般的图形API如DirectX和OpenGL等，都不能很好地进行通用计算。

对传统GPU来说，无论是GPU本身设计还是调用方式都尽可能为GPU需要执行的图形计算优化。因此你如果想利用GPU庞大的计算资源，那些需要计算的数据和变量，必须映射为图形学对象，算法处理必须被表述为像素和顶点处理的形式，假装是在进行图形计算一样。这种“假装”的形式让程序员感到很束缚。因为传统GPU缺乏方便的数据类型，基本的计算函数，以及一个一般化的内存访问模型，使得它对于习惯于工作在传统编程环境下的程序员们来说没有多少吸引力。

进入DirectX 10时代后，NVIDIA提出了CUDA(Compute Unified Device Architecture)这样一个相当富有创造力的通用运算API架构。有了这个API之后，程序员就不需要在自己的大脑中“映射”各种数据，API作为沟通桥梁已经承担了数据转换、程序编译等任务。这样一来，GPU就能很好地发挥计算效能。与此同时，AMD也提供了对应自家GPU产品的通用计算方法，被称为Stream。

CUDA由一个C语言的极小扩展集和一个运行库组成，这个运行库提供的函数能够控制GPU，以及设备专有函数和相应的数据。从相对宏观的角度看，一个CUDA程序由两部分组成，一个运行在CPU上，另一个称之为“kernel”，是运行于GPU上的并行化部分。不过GPU上的kernel是不能独立运行的，它只能依赖于CPU上的父进程调用，因此，它不能被作为一个独立的程序直接初始化。

CUDA中的kernel在运行时被划分为多个线程来执行，这些线程被组织成多个线程块，然后交由GPU的CUDA Core——也就是常说的流处理器来执行。在GeForce GPU中，每个处理单元会包含8个SIMD流处理器组。这8个SIMD流处理器组会根据一个线程调度器的调配，令多个线程块尽可能高效率、最大化地运作，保障整个GPU的运行效率。

未来的病毒将由GPU代码、CPU代码，以及加壳部分三部分构成。

除了编程执行外，CUDA还提供了用于在主机和GPU间进行数据交换的函数，所有的I/O动作都通过PCI-E总线进行。不仅如此，存储器操作还可以通过DMA进行，这样就可以大幅度提高CPU和GPU工作的并行程度。在内存一致性方面，主机的分页锁定内存中的一个块可以被映射到GPU的地址空间里，使得在CPU上运行的普通程序和GPU上运行的kernel能够直接访问相同的数据。

总的来说，无论是CUDA还是Stream，都是尽可能利用GPU性能的API。恶意软件要运行得有效率，就绕不开这两个API。下面就让我们来看看恶意软件是如何在GPU上捣鬼的。

上文说过，运行于GPU上的kernel必须依赖CPU上的父进程。恶意软件也是如此，那些能利用GPU超强性能的恶意软件往往包含两个部分——GPU部分和CPU部分。说得更细致一些，那就是恶意软件在执行时，会载入GPU端的设备代码，分配CPU和GPU都可以访问到的一块内存区域，先初始化数据，然后调度GPU代码开始执行。当然，和所有利用GPU的程序一样，恶意软件可以在GPU和CPU之前来回转换，或者单独让GPU运行或者只让CPU运行，也可以同时在GPU和GPU并行执行。

当然，恶意软件编写者不仅仅看中了GPU的计算能力，他们还需要更自由、不被监视的执行空间。恰好，在GPU这里，恶意软件可以与CUDA库静态链接，成为一个独立的可执行程序，这样一来，恶意软件就不需要在被感染的系统中安装额外软件。更令人难以接受的是，目前GPU端的代码执行，以及CPU和GPU之间的通讯，都不需要管理员特权。这意味着，恶意软件可以在任何用户权限下成功运行——它不需要任何权限，也没人监控它。这就令恶意软件隐蔽性更高、更容易被运行起来。

束手无策？恶意软件如何利用GPU资源

前文已经描述了恶意软件感染系统的方式，并且说明了它利用GPU进行并行加速的可能性。接下来，研究人员将通过实例来模拟这个过程。在模拟中使用的原型代码不仅仅证明了恶意软件利用GPU的可行性，而且已经确信对现有的分析检测系统构成了不容忽视的挑战。

研究人员选择使用NVIDIA CUDA来部署源代码，当然攻击者可以很容易地使用其他GPU代码版本，甚至还能在不同GPU之间进行转换。目前攻击者只要掌握了CUDA和Stream，就能基本上掌握100%的GPU恶意软件攻击范围。还有更令人恐惧的——OpenCL是一个跨平台的GPGPU框架，致力于提供统一的API，如果它得到广泛引用，那么就连插入不同版本的代码也完全没有必要，只要平台支持OpenCL，就可能被恶意软件利用你电脑中的GPU加速运行。

1.自脱壳GPU加速

前文已经简单介绍了恶意软件的加壳技术。当然，飞机上放炸弹的例子只是用于破坏性的炸弹。在软件这里，经过多层加壳伪装后的代码，需要脱壳解秘，才能变成真正的恶意代码危害系统。

一般情况下，恶意软件设计有自脱壳程序，这个程序在运行时会首先解包被隐藏的代码，然后将控制权移交给已在主机内存中变形为真实代码的恶意软件。当然，一种恶意软件可能不止使用一种加壳程序，使用不同的变换方法或者改变解包程序的代码，攻击者可以容易地制造同一个恶意软件的全新变种，还能有效地躲避检测程序。

目前传统恶意软件的自脱壳算法都不特别复杂，因为要考虑到CPU的计算能力，一旦显著拖累系统，恶意软件不但容易被察觉，还给自己的运行带来了不利影响。但利用GPU强大的并行计算能力后，恶意软件的作者能够利用极其复杂的加密算法给恶意软件加壳，这些复杂的加密算法最终将被GPU大规模并行架构快速而有效地处理。

这种高强度的加壳、脱壳操作，为现有的恶意软件分析检测系统制造了不容忽视的障碍。许多反恶意软件中用于检测自动脱壳的部分有先天缺陷，没办法应对基于GPU的自解包恶意软件。比如常用的PolyUnpack，在脱壳时依赖单步执行和动态反汇编，但这种技术在GPU上的动态和静态分析还很不成熟，当然也没有获得恶意软件分析系统的支持。另外一些反恶意软件的脱壳系统，比如Renovo，依赖于在虚拟机中监控恶意软件的执行过程，但显而易见的是，目前的虚拟机还仅仅只能做到虚拟图形设备而已，只能执行简单的3D计算，根本不能执行GPU通用计算任务，也没有这方面的功能。这样一来，利用虚拟机监控恶意软件的脱壳也将成为泡影。

当然，还有一些检测软件脱壳的技术比如OmniUnpack，这种技术理论上可能会对恶意软件在GPU中的操作起到一定的检测作用，但实际上它在应用中还是和虚拟机联合部署的，也就是说，实际应用中也不能检测到GPU中的脱壳运行情况。

加壳技术和脱壳检测技术

目前流行的恶意软件，只有20%没使用加壳技术，绝大部分都利用加壳来伪装自己。其中又有50%的所谓新恶意软件只不过是老版本的加壳变种罢了。在对这类软件的检测上，传统反恶意软件主要使用以下两种脱壳方式进行检测：

一种叫算法脱壳，它类似于穷举法，反正有效的脱壳算法也不多，那就通过测试来一个一个试，看看待测软件到底加了“哪些壳”，当然这种算法的效率很低；另一种叫做通用脱壳，往往需要仿真环境（虚拟机）的支持。这两种方法都有局限，算法脱壳的穷举法依赖于现有的加壳算法，一旦出现新的加壳算法，就必须加入新的脱壳算法。目前的恶意软件每月拥有10～15种新的加壳算法，所以算法脱壳每月也得跟踪这十几种新壳。通用脱壳目前也有自己的问题，一些恶意软件反仿真，拒绝在仿真环境内运行。目前的反恶意软件往往使用两种方法联合应用，基本上可以满足给绝大部分恶意软件脱壳的需求。

验证恶意软件在GPU上的脱壳操作

为了验证上文叙述的情况，研究人员选择了一个简单的、使用随机密匙、基于异或的加密算法。这个算法中内嵌的解包函数已经编译为GPU可接受的设备代码。在实际实验中，研究人员部署了一个运行于NVIDIA显卡上，基于CUDA的PTX脱壳代码。这个GPU脱壳代码和恶意软件代码都被嵌入同一个可执行程序中。在开始执行这个程序时，GPU端的代码（通常称为kernel）被载入到设备当中，同时CPU端的代码开始执行。接下来进入引导阶段，恶意软件会自动分配一块用来存放已加壳数据的内存映射缓冲区。从CUDA 2.2版本开始，分配和映射一块可以从设备上访问的主机内存区域是可以做到的。这样的结果就是，在GPU上执行的Kernel可以直接访问主机内存，有效保证了GPU和GPU数据的共享以及一致性。然后的事情就很简单了，GPU可以自行将内存中映射缓冲区的数据脱壳，然后将恶意代码释放出来，随后CPU就可以执行这些解包后的代码。

本次操作所用的PTX脱壳代码，该代码将交由NVIDIA GPU完成。

虽然整个过程看起来很简单，也正是这种简单，让操作变得更为隐秘。因为恶意软件在CPU端暴露出的代码，仅仅只有用于将加壳数据复制到新分配的映射缓冲区的指令、以及引导GPU端解包执行的指令。这些指令看起来都是如此正常，甚至数量稀少——稀少到难以让反恶意软件引发监视和防御动作，这对反恶意软件是一个巨大的挑战。

在例子中，测试人员使用了比较简单的方法，用于证明GPU上运行脱壳程序是可行的。当然作为示例，测试中并没有使用高强度和复杂的加壳方法，仅仅证明这种方法的可行性。因此这一点和实际应用中可能出现的情况还是有差别的，恶意软件开发人员可能会使用更为复杂的加壳算法，并令系统难以察觉。

2.运行时多态技术

不过，前一页研究人员的演示可能并不能让人信服，有人肯定会说，无论加壳脱壳的设备是CPU还是GPU、无论壳算法多么复杂，最终都将恶意代码直接存放在主机内存中。这样一来只要反恶意软件扫描系统内容，就能很轻松地发现恶意软件执行意图并给予相应防御措施。

实际上这种情况只能代表部分恶意软件的运行方法。正像本文开头解释“运行时多态”技术时说的那样，恶意软件在运行时，往往不会暴露自己的全部代码，它可能重新加壳，或者只是按需分配、重复加壳脱壳那些当前需要的代码。不仅如此，恶意软件开发人员还会控制解码部分的粒度，也就是每次解码的数量，这个数量越小，在内存中暴露真实代码的区域就越小，被侦测的可能性也就越低，也越难以被发现和防御。这种代码分割算法给反恶意软件带来了明显的困扰。

在加入了GPU后，这些重复脱壳加壳的算法，都使用GPU执行，并且整个需要脱壳和加壳的部分代码也全部存在GPU上。CPU的职责仅是在每个部分的代码执行前和执行后，将控制权交还给GPU上的调度代码，去做按需的解密变换和加密变换。也就是说，在执行期间，控制权在CPU和GPU之间不断地转换。同样，GPU和CPU也拥有一个可以同时访问的内存区域用于保持数据一致性和及时刷新。

不仅如此，在这种技术中，解密密匙被保存在较为保密的、无法从CPU端访问的CUDA设备存储器当中，更有甚者，在每个部分执行后的重加密过程中，还可以使用随机生成的不同密匙，这导致了恶意软件能够在存储器中以不可预测的方式不断地发生变异。而这些解密方法和变异都是不能被检测或者预测到的，将直接导致目前依赖抽取密钥和相应加密解密区域等方法的反恶意软件运行失败。当然从理论上来说，虽然原始代码的完整抽取仍然是可能被分析人员做到的，但是如果考虑现有的反调试技术，这种有GPU从旁协助的运行时多态会使得整个逆向工程分析过程变得异常地漫长和艰难。

未来更危险？GPU上恶意软件的发展方向

在先前的章节中，研究人员为我们展示了恶意软件将自己在CPU和GPU之间分离执行的具体方式。虽然现代GPU的性能已经足够强大，但是目前的技术仅仅使用了其中的一小部分。未来恶意软件作者可能会开始广泛利用GPU的图形和通用计算能力。

GPU提供了大规模并行处理的能力，可以被用来加速CPU负载较重的运算。例如，一些恶意软件开发人员往往使用僵尸网络进行大规模的密码暴力破解——而这正是GPU通用计算的专长。通过对GPU通用计算的支持，僵尸电脑的能力可以很容易地获得延伸，可以使用被感染主机的GPU来分摊密码破解的负载。这不仅带来了整体破解效率的显著提升，而且还隐藏了正在进行的恶意活动——因为GPU的工作无法被实时监控，无法鉴别正在运行的代码，所以难以确认GPU上是否有密码破解程序的代码出现。另外，由于GPU的加入，在这种计算任务中，CPU几乎不会占用，所以CPU负载监视程序对于检测恶意活动也无能为力。

除了恶意软件在GPU上的运行外，还有其他的一些危险也可能和GPU挂钩。比如GPU的帧缓冲区，屏幕上所显示的内容往往存放在帧缓冲区内。不过目前系统对帧缓冲区的访问没有施加限制，这可能会带来一系列攻击手段。比如，GPU上运行的恶意代码能够周期性地访问这一缓冲区，将用户屏幕上出现的私人数据收入囊中，这个做法比现有的屏幕截图的手段更加隐蔽。而更老练的恶意软件甚至会试图在用户访问虚假网站时，在屏幕上显示错误的或者具有迷惑性的信息，例如偷偷将用户浏览器地址栏中，那些可能会引起用户怀疑的恶意地址，替换成看起来正常的地址。

不过有一个好消息是，目前帧缓冲区还存在读写保护，因此一些对帧缓冲区的恶意行为很难轻易实施。但由于厂商们一直在尝试提升GPU通用运算SDK和图形API（如OpenGL，DirectX）的互通性，所以未来有可能存在对屏幕帧缓冲区拥有完全访问权限的kernel。这种要求主要来自于那些需要直接访问屏幕像素的程序，例如3D变换，视频编码与解码等。因为这样一来就可以大大减少CPU和GPU间的数据交换。所以，将来发布的硬件会不可避免地具备这一特性。

更恐怖的是，未来的GPU通用架构将使得部署基于GPU的恶意软件成为可能，也就是说，恶意软件将主要在GPU上运行，与在CPU上运行的程序没有任何关联。不过令人庆幸是，这种问题可能在短期内都不会出现。因为现有图形硬件架构很难支持独立GPU程序的多任务运行，任意时刻只支持一个任务占用GPU。这就意味着一旦有任何独占GPU的运算任务存在，那么负责屏幕内容渲染的程序无法运行，显示器上显示的内容会被冻结。虽然这些在现在看来不太现实，有很多技术障碍需要克服，但是在将来，图形硬件将具备下一代恶意软件所需要的功能，这会彻底释放GPU的能力。

目前，已存在如图所示，生成若干臭虫与蓝色斑块，干扰用户正常使用的图形化病毒，显然如得到GPU的帮助，此类病毒将带来更大的威胁。

当然，我们现在也无需悲观。毕竟当前GPU还无法脱离CPU对系统进行控制。我们现在还有充分的时间，对未来GPU可能进行的破坏行为进行研究、预防。同时，也有不少杀毒软件开始采用能够利用GPU运算能力的杀毒引擎，显然这也将大大提升电脑的反病毒能力。最后，让我们听听长期致力于GPU通用计算研究、来自香港浸会大学的赵开勇先生对此文的精彩点评。

MC特约评论员 赵开勇（香港浸会大学计算机系异构架构实验室研究员）

对于新的技术出现，人们通常会忽略技术本身所带来的威胁性，往往都是事后弥补。而这篇论文的研究人员在一切恶念开始萌芽的时候，就产生很高的警惕性，是很好的。文章分析了GPU架构上的破坏性程序的可行性，从目前的研究来看，对于加壳，脱壳，破解等工作，确实可以利用GPU高效的计算能力来使得这些工作更高效的完成。但需要说明的是，对于现有的GPU架构，GPU只是作为计算的外协设备参与到整个系统里面，GPU不能单独访问系统的其他资源，例如内存，磁盘等，都需要通过CPU的主线程来控制调度才行，这就使得基于现有GPU架构的破坏性程序还不能“撇开”传统的CPU来进行破坏，只是加速了传统的加壳、脱壳、破解等大量计算工作。

此外还需要补充的是：1.基于GPU架构的代码，PTX或者OpenCL也好，它们都会存在于系统内，只要它运行时表现是破坏性的，就可以断定这段代码是具有破坏性的代码，当然可以把这一段的原始特征值加入到杀毒软件的病毒特征库里面，这里和传统的病毒特征库没有区别的。2.OpenCL是一个开放的高性能计算架构，它不是针对GPU的，而是针对所有的计算体系，包括不同的CPU，GPU，都是可以运行OpenCL的，这个概念需要明确。3.GPU的运行是可以被系统实时监控的，通过GPU的驱动接口是可以实时监控GPU的运行情况的。

最后，我再做以下几点说明与预测：

1.基于GPU的应用破坏其实早已存在，最早、最广泛的应用就是俄罗斯黑客通过GPU来破解密码。

2.现有的GPU程序还不能算真正意义上的破坏性程序，顶多只能算帮凶。当然写一些让屏幕发生变化，或者让显卡驱动无法正常工作的程序还是可以的。

3.将来的GPU很有可能会支持OS操作系统，独立于CPU对系统资源进行调度。在这样的情况下，基于GPU的破坏性程序才会真正的滋长出来，其威力才能得到发挥。

4.其实优秀的工具都有两面性，现在很多杀毒厂商也在开发基于GPU的高性能病毒查杀引擎，矛和盾永远都是相对成立的。