Android Class文件格式及反编译原理

Java虚拟机（JVM）

对于JAVA程序来讲JVM就是一台计算机，和计算机一样它有处理器、内存、堆栈以及指令系统，Java程序在JVM上运行，它不需要考虑真实的物理计算机是什么平台，所以同一个Android APK可以在不同的硬件平台上运行。

Android虚拟机（Dalvik）

Dalvik虚拟机是Google专门为Android系统开发的，它是在apache的java虚拟机基础上针对移动设备做了专门的优化，允许在有限的内存中同时运行多个虚拟机的实例，降低每个实例对CPU和内存的资源占用，确保能够在CPU和内存相对有限的移动设备上也能适用。

ART

ART是在Android 4.4系统新增的一种应用运行模式，但是由于该模式相对于Dalivk会占用更大的存储空间，所以在4.4上默认是关闭的。一直到Android 5.0才默认开放。

Java 的跨平台特性决定了其可执行文件只能是与平台无关的字节码，而不是机器码。而Java虚拟机的主要工作之一就是当应用在运行时，将平台无法识别的字节码翻译成机器码。 ART模式与Dalvik模式最大的不同在于，Dalvik模式是在应用运行时将字节码解释成机器码，而ART模式是在应用安装时就将字节码翻译成机器码，所以应用在运行时效率要比Dalvik高。另外ART是基于寄存器的而Dalvik基于堆栈，和Dalvik相比没有了堆栈操作。

Android 应用开发涉及到的几个文件

1. Java文件

应用程序源代码文件。

1. Class文件

Java源码编译生成的目标文件，相当于C代码编译出来的.o文件。Java语言为了实现跨平台的目的，所以定义了一套与操作系统和硬件平台无关的字节码

格式，class文件里面记录的就是Java源码编译后的字节码文件。

1. Dex文件

Android平台上的可执行文件，相当于windows平台上的.exe文件，该文件专门为在Android Dalvik虚拟机上运行而设计的，它将多个class字节码文件按照固定的格式整合优化成一个dex字节码文件。

1. APK文件

Android应用的安装文件，它是由dex可执行文件以及资源文件如图片、布局等文件打包而成。

Class字节码文件分析

文件结构：

类型	名称	数量
u4	magic	1
u2	minor_version	1
u2	major_version	1
u2	constant_pool_count	1
cp_info	constant_pool	constant_pool_count - 1
u2	access_flags	1
u2	this_class	1
u2	super_class	1
u2	interfaces_count	1
u2	interfaces	interfaces_count
u2	fields_count	1
field_info	fields	fields_count
u2	methods_count	1
method_info	methods	methods_count
u2	attribute_count	1
attribute_info	attributes	attributes_count

 

1. Magic：

class文件的魔数，class文件的魔数是一个固定的值：0XCAFEBABE

 

1. minor_version  major_version:

文件版本号，对应JDK版本。

1. constant_pool_count和constant_pool：

常量池数和常量，常量池中记录了java文件中的所有的常量类型包括字符串、类名、方法名等，除了JAVA源代码中定义的的常量，常量池中还包含下面几种类型：

1. 类和接口的全限定名
2. 字段的名称和描述符
3. 方法的名称和描述符

除此之外常量池还描述了类的引用信息。

总共有如下12种类型：

入口类型	标志值	描述
CONSTANT_Utf8	1	JAVA源码中的各种字符串，字符串常量，类的全限定名，字段、方法的描述符，引用的字段和方法的描述符等
CONSTANT_Integer	3	int类型字面值
CONSTANT_Float	4	float类型字面值
CONSTANT_Long	5	long类型字面值
CONSTANT_Double	6	double类型字面值
CONSTANT_Class	7	对一个类或接口的符号引用
CONSTANT_String	8	String类型字面值
CONSTANT_Fieldref	9	对一个字段的符号引用
CONSTANT_Methodref	10	对一个类中声明的方法的符号引用
CONSTANT_InterfaceMethodref	11	对一个接口中声明的方法的符号引用
CONSTANT_NameAndType	12	对一个字段或方法的部分符号引用
CONSTANT_MethodHandle	15	表示方法句柄
CONSTANT_MethodType	16	标志方法类型
CONSTANT_InvokeDynamic	18	表示一个动态方法调用点

 

每种常量类型结构表

常量	字节项	类型	描述
CONSTANT_Utf8	tag	u1	1
	length	u2
	bytes	u1
CONSTANT_Integer	tag	u1	3
	bytes	u4
CONSTANT_Float	tag	u1	4
	bytes	u4
CONSTANT_Long	tag	u1	5
	bytes	u8
CONSTANT_Double	tag	u1	6
	bytes	u8
CONSTANT_Class	tag	u1	7
	index	u2
CONSTANT_String	tag	u1	8
	index	u2
CONSTANT_Fieldref	tag	u1	9
	index	u2	指向CONSTANT_Class的索引值
	index	u2	指向CONSTANT_NameAndType的索引值
CONSTANT_Methodref	tag	u1	10
	index	u2	指向CONSTANT_Class的索引值
	index	u2	指向CONSTANT_Class的索引值
CONSTANT_InterfaceMethodref	tag	u1	11
	index	u2	指向CONSTANT_Class的索引值
	index	u2	指向CONSTANT_Class的索引值
CONSTANT_NameAndType	tag	u1	12
	index	u2	指向该字段或方法名称常量的索引值
	index	u2	指向该字段或方法描述符常量的索引值
CONSTANT_MethodHandle	tag	u1	15
	reference_kind	u1	值必须1~9，它决定了方法句柄的的类型
	reference_index	u2	对常量池的索引
CONSTANT_MethodType	tag	u1	16
	index	u2	对常量池中方法描述符的索引
CONSTANT_InvokeDynamic	tag	u1	18
	index	u2	对引导方法表的索引
	index	u2	指向CONSTANT_NameAndType的索引值

 

1. Access_flags

它定义了java源文件中类或者接口的类型

标志名	值	含义	设置者
ACC_PUBLIC	0x0001	public类型	类和接口
ACC_FINAL	0x0010	类为final类型	类
ACC_SUPER	0x0020	使用新型的invokespecial语义	类和接口
ACC_INTERFACE	0x0200	接口类型，不是类类型	接口
ACC_ABSTRACT	0x0400	abstract类型	接口和部分类

 

1. this_class

对常量池的索引。在this_class位置的常量池入口必须为CONSTANT_Class表，该表索引指向一个CONSTANT_Utf8，该CONSTANT_Utf8存放该类的全限定名。

1. super_class

对常量池索引，在super_class位置的常量池入口是一个指向该类超类全限定名的CONSTANT_Class入口，如果该类直接继承自object类，那索引值为0.

1. interfaces_count和interfaces

由该类自己实现的或者该类继承后扩展的接口。

APK安全

根据上面介绍的Class文件格式可以看到，Class文件完整描述了Java源码中的所有信息，所以根据固定的class文件格式，可以反编译出java源码。

我们用一个简单的java源文件举例：

原始的源码文件helloworld.java如下：

编译生成的helloworld.class如下：

反编译器查看helloworld.class的文件如下：

反编译后，我们能看到源码文件的所有实现。

Android的APK安装包中使用的是dex文件，之前我们说过dex文件格式是class文件的合并优化，也有其固定的文件格式。所以同样能够被反编译出来。

如果我们的APK能够被反编译出来，不但泄漏了我们的产品实现原理，而且对方还可以修改源码，篡改功能并重新发布。

目前APK安全主要有以下几种方法：

1. 代码native化

利用android的NDK最大化的用C/C++语言来实现功能，比如支持宝。

1. 代码混淆技术

class常量池中的CONSTANT_Utf8_info中包含了源码文件中的所有字符信息，比如类的全限定名，方法名，变量名，字符串常量以及代码注释。而这些方法，变量名往往都能代表具体的功能含义，比如读、写操作的方法名中往往带有read、write。反编译者能够根据这些读懂我们的产品功能。

代码混淆技术就是将class文件中这些能够代表具体含义的字符替换成没有意义的字符，比如将read、wirte替换成aaaa、bbbb，从而增加反编译后的阅读难度。

1. 虚拟机保护（VMP）技术

VMP是代码混淆的一种衍生技术，虚拟机保护软件首先定义一套自己的字节码指令集，然后用该字节码替换应用中的原始字节码指令，同时为该应用增加一个虚拟机解释引擎，应用在真实使用时，该解释引擎会读取指令并解释执行。整个过程不会对应用的功能产生任何影响。

目前VMP技术有了更进一步的发展，除了上面提到的指令集替换，还可以对dex文件进行加密处理，使整个应用更加安全可靠。目前国内这方面，做的比较好的有爱加密、梆梆等公司。