本文系原创,转载请说明出处
Please Subscribe Wechat Official Account:信安科研人,获取更多的原创安全资讯
上一篇文章介绍了angr的原理,自此篇文章开始,将从一个个小实验的角度,讲述队angr的一些用法。
第二篇从(静态)程序分析必备的基础元素的角度出发,介绍一些图的生成与应用。
一 CFG(控制流图)与CG(调用图)
1.1 CFG控制流图:
概念:控制流图(control-flow graph)简称CFG,是计算机科学中的表示法,利用数学中图的表示方式,标示计算机程序执行过程中所经过的所有路径。控制流图是由法兰·艾伦所建立,他提出Reese T. Prosser(英语:Reese Prosser)曾利用邻接矩阵用在流分析上。
性质:
- 节点基本块,内含程序语句;基本块概念基本块 - 维基百科,自由的百科全书 (wikipedia.org)
- 边代表控制流,即如何执行
特征:
- 面向过程
- 显示程序执行期间可以遍历的所有路径
- 有向图
优点:
可以轻松封装每个基本块的信息
可以轻松找到程序中无法访问的代码,并且在控制流图中很容易找到循环等语法结构
缺点:
只能表示控制依赖关系,数据依赖关系表示能力较弱
使用angr生成CFG的示例代码:
在第一篇文章中提到angr实现生成CFG的几种算法,方法按结果可以分为:CFGFast(), CFGEmulated。
使用流程一般为:
- 加载文件
- 调用图方法
angr调用方法:
import angr
from angrutils import *
p = angr.Project(程序路径)
#使用快速生成方法生成CFG
cfg = p.analyses.CFGFast()
#使用完整生成方法生成CFG
cfg1 = p.analyses.CFGEmulated()
#调用angr-utils库可视化
plot_cfg(cfg1, "生成的cfg文件名", asminst=True, remove_imports=True, remove_path_terminator=True)
示例:
1.2 CG 调用图
概念:一种有向图,表示计算机程序中调用和调用子例程之间的关系,用于代码分析。每个节点表示一个过程,每个边 (f, g) 表示过程 f 调用过程 g。
特点:
两种CG,一种是动态,一种是静态
静态:静态调用图是用于表示程序的每个可能运行的调用图。确切的静态调用图是一个不可判定的问题,因此静态调用图算法通常是过度的。也就是说,发生的每个调用关系都表示在图中,并且可能还有一些在程序的实际运行中永远不会发生的调用关系。
动态:动态调用图只描述程序的一次运行
代码示例:
angr里比较常见的是函数的CG,需要注意区分概念
p = angr.Project(文件路径)
cfg = p.analyses.CFGFast()
cg = cfg.functions.callgraph
#cg即是函数调用图
二 CDG和DDG (依赖图类,后续更新PDG、CPG)
依赖图一般是在CFG的基础上,按照特定的分析需求,构建特定的依赖图。常见的依赖图类包含CDG、DDG、CPG、PDG。angr按照自带的后向切片方法,在CFG上构建了生成CDG和DDG的方法,另外两种需要重构。
CDG(控制流依赖图)
概念:
人话定义:对于CFG中的两个节点X和Y,如果Y受X控制,即如果在程序执行过程中,X能直接影响Y是否执行
规范定义:
- 对于一个有向图 G = < N , E >,节点n控制依赖于节点m,当且仅当:
- 存在一条m到n的控制路径,n是该路径上除m之外每个节点的后支配节点,并且n不是m的后支配节点。
本文参考这边博文,即CDG由CFG和FDT(前向支配树构成),d支配(dominate)n,记为d dom n:每一条从流图的入口结点
到结点n
的路径都经过结点d
。在这个定义下每个结点都支配它自己
如下图所示,左侧为流图,右侧为其对应的支配树
简单的来说如何划分,即如果现在这个节点只有一条入边,那么逆着入边往上看第一个节点直接控制现在这个节点,如2和3;如果现在这个节点有多条入边,逆着入边往上看,以一种合并的方式,找到这些入边往上合并的第一个节点,就是直接控制现在这个节点的节点。
又如如下例子:第一张图是程序示例和对应的CFG,第二张图是CDG和变量X的DDG
应用:
死代码删除(DCE,Dead Code Elimination)和激进死代码删除(ADCE,Aggressive Dead Code Elimination)是编译中常见的优化pass。相较于DCE,ADCE会删除冗余的分支。
示例代码
import angr
b = angr.Project(文件路径)
cfg = b.analyses.CFGEmulated(keep_state=True,
state_add_options=angr.sim_options.refs,
context_sensitivity_level=2)
# 生成控制流依赖图
cdg = b.analyses.CDG(cfg)
DDG (数据依赖图)
定义:
- 两个句子存在数据依赖:一条语句中一个变量的定义,可以到达另一条语句中对该变量的使用
- 在编译领域有不同类型的数据依赖,如果s2依赖于s1,可以是:
- s1 写内存 s2 读 (RAW)
- s1 读内存 s2 写 (WAR)
- s1 写内存 s2 写 (WAW)
- s1 读内存 s2 读 (RAR)
- 如果两个语句可能引用相同的内存位置和引用之一,则它们是数据相关的
代码示例:
import angr
b = angr.Project(文件路径)
cfg = b.analyses.CFGEmulated(keep_state=True,
state_add_options=angr.sim_options.refs,
context_sensitivity_level=2)
# 生成数据流依赖图
ddg = b.analyses.DDG(cfg)
ACFG 属性控制流图
在很多代码相似性检测的工作中,常常需要二进制程序的结构和语义信息,ACFG诞生于二进制程序漏洞检测的工作GENIUS中,其定义了ACFG属性控制流图,以获取二进制程序的基本块的内部特征,以及外部的结构特征,从而将其嵌入向量空间,使用机器学习按照代码相似性的技术,进行漏洞检测。
定义:
一个有向图G = <V,E,α>,V为基本块集合,E是边集合,α代表基本块的特征标签集合,一般定义特征集合如下(参考此博文)
最后形成的ACFG如下:
代码示例:
首先导入库函数
import angr
import argparse
import os
import json
from angrutils import *
接着,从基本块中获取指令的统计特征,指令的种类需要手工枚举,数量有限,问题不大:
def calc_ins(insns):
"""
统计基本块中指令类型的数量
参数insns为angr调用cfg中的基本块
"""
transfer_ins = ['MOV', 'PUSH', 'POP', 'XCHG', 'IN', 'OUT', 'XLAT', 'LEA', 'LDS', 'LES', 'LAHF', 'SAHF', 'PUSHF','POPF']
arithmetic_ins = ['ADD', 'SUB', 'MUL', 'DIV', 'XOR', 'INC', 'DEC', 'IMUL', 'IDIV','OR', 'NOT', 'SLL', 'SRL']
calls_ins = ['CALL']
num_transfer = 0
num_arithmetic = 0
num_calls = 0
for ins in insns:
ins_name = ins.insn_name() #angr基本块中的block.capstone.insns.insn_name()方法
if ins_name in transfer_ins:
num_transfer = num_transfer + 1
if ins_name in arithmetic_ins:
num_arithmetic = num_arithmetic + 1
if ins_name in calls_ins:
num_calls = num_calls + 1
return num_transfer, num_calls, num_arithmetic
然后,获取基本块的其他特征,如字符串常量的个数、数值常量的个数、指令总数:
def calc_block(block, num_str):
"""
统计每个基本的特征
"""
# 字符串常量个数初始化,通过传入外部的angr字符串个数计数方法
num_string = num_str
# 数字常量的个数
num_numeric = len(block.vex.constants)
# 指令的总数
num_instructions = block.instructions
# 指令集区分并计数
num_transfer, num_calls, num_arithmetic = handle_ins(block.capstone.insns)
# 基本块子节点个数
num_offspring = 0
return [num_string, num_numeric, num_transfer, num_calls, num_instructions, num_arithmetic, num_offspring]
接着,在定义好统计基本块内部的特征后,以一个函数为单位,统计基本块的外部结构特征,如连接的节点个数,子节点个数,使用邻接矩阵记录这些节点关系:
def calc_function(function, func_addr):
"""
提取每个函数的特征
"""
function_feature = dict()
function_feature["func_addr"] = func_addr #函数的位置
function_feature["function_name"] = function.name #函数名
function_feature["features"] = [] #函数内基本块的总特征
function_feature["adj"] = [] #函数内的基本块结构
try:
# 函数中字符串常量的个数
f_num_string = len(function.string_references())
block_cnt = 0
# 提取函数内每个基本块的属性并统计基本块的个数
for blk in function.blocks:
function_feature["features"].append(calc_block(blk, f_num_string))
block_cnt = block_cnt + 1
function_feature["block"] = block_cnt
# CFG图的节点数目为0时直接返回
if 0 == len(function.graph):
return
# 将函数中的基本块结构图转为邻接矩阵
matrix = nx.adjacency_matrix(function.graph).todense().tolist()
for i, line in enumerate(matrix):
# 当前节点到自己无边
line[i] = 0
num_offspring = line.count(1) #计算子节点个数
function_feature["features"][i][-1] = num_offspring
function_feature["adj"].append(line)
print("*************************************")
print(function_feature)
except Exception as e:
print("Exception->", e)
这里比较难理解的操作是邻接矩阵这块,把它打印出来看会更容易理解:
上左图是一个函数的具体信息和邻接矩阵(最后一行),右图是可视化CFG后该函数对应的部分,可以看到0x4005a0基本块节点到本身无边,因此为0,到第二个0x4005a0和第三个0x4005b0都有边,所以,最后为[0,1,1];第二个[0,0,0]按顺序为0x4005b2基本块,可以看到,其到其他两个都没有指向边,因此全为0;最后一个同理。
所以,对于每个line,如下图,就是一个基本块的节点连接情况,计算line.count(1)就是计算子节点的个数
最后,对每个文件进行方法调用即可: