deflat 脚本学习【去除OLLVM混淆】#

deflat脚本链接：GitHub - cq674350529/deflat: use angr to deobfuscation

deflat 脚本测试

这里以代码混淆与反混淆学习-第一弹中的OLLVM 混淆样本为例进行去除。【LLVM-4.0】

控制流平坦前	控制流平坦后
​	​

python deflat.py --file main-bcf --addr 0x401180

​

​

deflat.py 成功去除后效果：

去混淆后，效果还算可以，能分析程序流程了。

deflat 脚本分析【angr】

利用符号执行去除控制流平坦化 - 博客 - 腾讯安全应急响应中心 (tencent.com)

angr documentation

利用angr符号执行去除控制流平坦化 - 0x401RevTrain-Tools (bluesadi.github.io)

​

• 序言：函数的第一个执行的基本块
• 主(子)分发器：控制程序跳转到下一个待执行的基本块
• retn块：函数出口
• 真实块：混淆前的基本块，程序真正执行工作的版块
• 预处理器：跳转到主分发器

如第一弹中分析：OLLVM 的控制流平坦化是将程序的一般逻辑划分为很多个真实执行的块，然后通过分发器进行链接。其实就是一个Switch结构，每次执行完真实块后，进行预处理，再跳转到主分发器，继续分发，最终达到平坦化的效果。

显然，去控制流平坦化就是要找到真实块间的跳转逻辑，打破Switch结构束缚。

具体来说，有如下步骤：

1. 静态分析CFG得到序言/入口块、主分发器、子分发器/无用块、真实块、预分发器和返回块。
2. 利用符号执行恢复真实块的前后关系，重建控制流
3. 根据第二步重建的控制流Patch程序，输出恢复后的可执行文件

静态分析

首先明确：【以下结论针对OLLVM项目，其他大佬加料的OLLVM混淆还需要单独分析】

1. 函数的开始地址为序言的地址
2. 序言的后继为主分发器
3. 后继为主分发器的块为预处理器
4. 后继为预处理器的块为真实块
5. 无后继的块为retn块
6. 剩下的为无用块

angr 获取类似Ida的 CFG

​

获取真实块、主分发器、预处理器、序言、retn块和无用块

​

获取真实块的细节

​

angr 恢复真实块执行逻辑，重建控制流

利用angr 强大的符号执行功能，找到各真实块的连接逻辑。

​

这里对于两个分支的模拟执行，只需关注cmov指令，就可以分别对应得到eax、ecx，然后获得后续真实块。【局限性很大】

​

符号执行 symbolic_execution（）函数，返回后继真实块。

​

Patch程序恢复执行逻辑

​

如此便完成了 deflat脚本的简单处理分析。

小结

分析下来，其实就是定位到所有真实块，然后利用angr符号执行将真实块间的执行逻辑进行串联。最后进行patch程序，重建控制流。

但显然存在一些问题，我们默认了如下规则:

1. 函数的开始地址为序言的地址
2. 序言的后继为主分发器
3. 后继为主分发器的块为预处理器
4. 后继为预处理器的块为真实块
5. 无后继的块为retn块
6. 剩下的为无用块

但是在实际去除控制流平坦化过程中，上面的默认思路已经被加混淆的开发者做了处理。

例如：

• 后继为预处理器的块不一定是真实块；
• 预处理器不一定存在；
• 存在分支的真实块跳转的判断逻辑，不一定是cmov指令;
• deflat脚本默认模拟执行最多两个分支，但真实情况可能不只两个分支；
• 可能存在一个向前更新的数组，依据程序运行进行更新，决定当前真实块的跳转【这导致angr对于该块的模拟执行得不到正确的跳转】
• 程序在加混淆前，已经被添加了花指令或其他处理，程序CFG图已经被打破；
• 某个块存在死循环，会使angr符号执行卡死……

这也导致了，这个deflat脚本的普适性较低，除了能够处理OLLVM官方项目做的混淆，对加了其他PASS或者处理的混淆，基本用不了。

所以对于去除不了的OLLVM混淆，我们需要根据程序的实际混淆效果，对deflat脚本进行修改，再进行去混淆。

【这也要求对deflat 脚本比较熟悉，可以更快上手】

失败的花指令控制流平坦化尝试

源代码如下：

​

# clang 执行内联汇编加 -fasm-blocks 或者 -fms-extensions 或者 -masm=intel

clang -mllvm -fla -mllvm -split -mllvm -split_num=3 main-call-加花.cpp -lm -fasm-blocks -o main-call-加花

# 需要对源代码作一些修改

存在较大的问题，我的OLLVM 环境是在Ubuntu上搭建的，对于上述内联汇编加的花指令无法编译通过！

【或许可以在Windows 上移植OLLVM，进行编译（好像挺难的）】

​

可以看到，花指令用到的标签、$ 出现报错。

【最终也没解决编译问题，或许本就不可以，ollvm 不具备这样的处理能力，也可能是我代码的问题，如果博客前的你有任何想法，欢迎与我交流】

TSCTF-J 2022-upx_revenge实战分析

TSCTF-J 2022 WP

对upx_revenge题目进行分析。

​

首先直接使用deflat 脚本。

python deflat.py --file upx_revenge_test --addr 0x4016D0

​

发现没有找到retn 块。

处理多个retn块

回到ida 查看cfg 图发现原因：存在其他的退出块。

​

这里需要改进deflat 脚本，使其存在很多retn块。

# 其他位置的retn_node，对应改为list处理
if supergraph.out_degree(node) == 0:
            retn_node.append(node)

​

成功运行，但是去除效果不行。

去除后CFG图
​

多个comv的处理

很明显看出，程序的真实块间的逻辑串联失败，也就是重建控制流失败。

​

产生原因

​
​

显然，这里存在2个分支，因为有两个cmov【相同判断】，并且call 函数，对分支跳转是有作用的，这里var_CC是顺序执行，动态更新的。

【deflat 脚本只处理了执行有一个cmov指令的情况，且hook了call函数】

【由于var_CC是顺序执行，动态更新也可以看出，deflat 脚本的模拟执行思路已经无法对真实块的后继进行确定了】

但这里做个测试，不hook call 看是什么效果。

​

可以知道，取消hook call 对真实块后继的查找毫无影响，这是因为deflat中的模拟执行，只是基于comv 处的模拟。对前文并无任何关联。

显然，该deflat脚本的无法处理了。【】

总结

angr

就upx_revenge 这道题而言，

deflat 脚本中angr 对局部的模拟执行显然无法获取真实块间的执行顺序，重建控制流显然也无从谈起。当然静态查找各个控制流平坦化的功能块效果还是可以的。

那么如何通过angr,有序的、联系上文地进行模拟执行，获取真实块的执行逻辑，显然是关键点！