代码混淆／程序保护（对抗反汇编）原理与实践

所谓对抗反汇编技术，就是在程序中使用特殊构造的代码或数据，让反汇编工具产生不正确的指令。恶意代码使用该技术，可以一定程度上阻碍相似性检测算法和启发式反病毒检测。

一、反汇编算法的局限性

反汇编软件在拿到一堆机器码时，采用什么样的思维和算法来“断词断句”，又基于哪些假设，都会决定最终的解析结果。运用不同的反汇编器，同样的字节码会被“翻译”出完全不同的指令序列。而对抗反汇编技术就是利用了反汇编器算法的天生漏洞来实现的。现有的反汇编算法有两种，各自皆有不同的局限性。

1、线性反汇编

线性反汇编容易实现，也最容易出错。来看它的算法原理：

char buffer[BUF_SIZE]int position=0;while(position<BUF_SIZE){    x86_insn_t insn;    int size=x86_disasm(buf,BUF_SIZE,0,position,&insn);    if(size!=0){        char disassembly_line[1024];        x86_format_insn(&insn,disassembly_line,1024,intel_syntax);        printf("%s\n",disassembly_line);        position += size;    }else{        //invalid(unrecognized instruction)        position++;    }}

可以看出，该算法优先将字节码翻译成指令。然而二进制文件中，既有代码，也有数据。恶意代码编写者就可以利用这个漏洞，植入能够组成多字节指令机器码的数据字节。这样，无关的一些数据就会被“翻译”成call指令、jmp指令等等，干扰分析。

2、面向代码流反汇编

IDApro等软件运用的就是这种更先进的反汇编算法。它并不盲目地反汇编整个缓冲区，也不假设仅有指令而无数据，相反，它会随着代码逻辑，边走边“翻译”，建立一个需要反汇编的地址队列。

然而即便如此，它也有自身的局限性。例如，条件分支中，它优先处理false分支，往往会把作者有意植入的一些数据字节“翻译”成指令，产生错误结果。

当IDA反汇编出错时，需要我们手动将数据和指令互相转换。C键可以将光标处的数据转换成代码，D键可以将光标处代码转换成数据。

二、对抗反汇编技术

1、相同目标的跳转指令

jz loc_512之后紧接着jnz loc_512，等价于jmp指令。然而反汇编器每次只反汇编一条指令，所以意识不到这一点，仍然继续反汇编jnz的false分支。例如：

IDA反汇编出来的错误结果：

74 03            jz  short near ptr loc_4011C4+175 01            jnz short near ptr loc_4011C4+1                  loc_4011C4:     ...E8 58 C3 90 90   call near ptr 90D0D521h

由于总是优先处理false分支，而没有来得及查看跳转地址究竟在哪儿，从而意识不到跳转地址是同一个，并且就在附近。

E8以及之后的字节被翻译成Call指令是完全错误的，因为根本不会被执行。实际上E8是植入的流氓字节，它掩盖了58 C3作为pop eax，ret这两条真实的指令。

手工修正，将E8修正为数据，将loc_4011C5处转换成指令：

74 03            jz  short near ptr loc_4011C575 01            jnz short near ptr loc_4011C5E8               db 0E8h                 loc_4011C5:  ...58               pop    eaxC3               ret

2、永真条件的跳转指令

另一种常见的技术是由跳转条件恒定的跳转指令构成的。例如：

与上面一种方法类似，通过手动将eax清零（xor eax,eax）使得jz总是无条件执行。反汇编器总是先处理false分支，因而E9这个流氓字节又被错误地翻译成了jmp指令，掩盖了其后的真实指令pop,ret

3、无效的反汇编指令

前面所讲的技巧是插入流氓字节，用其掩盖随后的真实指令，这些流氓字节可以被忽略。

然而也有一种情况，流氓字节不能被忽略，并且甚至还参与到代码执行中。例如：

这串代码写得真是巧妙，加黑的字节被当作两个指令的一部分，执行了两次。顺着代码跳转逻辑，我们发现，实际上最终会落到E8之后的Real Code中，E8本身不会被执行。然而反汇编器还是把E8翻译成call指令。

这种情况下，需要用IDA Python脚本将这些重叠执行、无法取舍的指令变成nop指令，留下实际影响指令（即 xor eax,eax）

三、混淆控制流图

混淆控制流是一种对抗反汇编的方法，可以使分析人员忽视一些代码，通过模糊函数与其他函数掉调用关系达到隐藏函数的目的。这种情况下，交叉引用可能失灵，为分析带来困难。常见的方法有：

1、刻意使用函数指针

刻意使用函数指针，大大降低了反汇编器自动推导出的信息，从而隐藏了交叉函数引用。例如：

函数sub_4011D0中有三处调用了上一个函数，然而只有第一个地方被IDA识别出，并添加交叉引用。这种情况下，第二处、第三处的调用函数行为久不容易被发觉，也因此丢失了很多调用函数的原型信息。

2、滥用ret

ret <==> pop + jmp。无缘无故出现的ret指令，会令反汇编器不知所措，甚至识别不出函数的存在。例如：

add指令的作用是将栈顶esp存放的值变为0x004011CA。接着，使用流氓指令ret，实质是call了0x004011CA处的函数。然而，IDA却没有识别到0x004011CA处是一个函数。

四、反汇编案例实践

分析Lab15-01.exe。它是一个命令行程序，添加了代码混淆。只有输入正确的password，才会显示“Good Job！”

1、处理混淆代码片段

（1）第一处0x40100E

出现了利用永真跳转条件，植入流氓字节E8，误导反汇编器解析成call指令的情况。上图中标为红色的交叉引用也印证了这一点。

上图，E8和其后的字节被解析成了call指令，从而掩盖了真实的代码。手动修改，将E8转为数据；将E8之后的字节转换为代码。随后碰到db就转换为指令，使得指令对齐，中间没有数据。

调整后的正确汇编代码如下：

此时，交叉引用恢复了颜色。

（2）第二处0x40101F

同理，修正。

（3）第三处0x401033

（4）第四处0x401047

原来的问题代码：

修正后，发现原来在4B到50之间隐藏的一些字符串（如“Good Job！”）显露了出来：

“Good Job！”这样的字符串对逆向分析非常有帮助。而对抗反汇编技术恰恰是通过流氓字节来将其隐藏。

（5）第五处0x40105E

修正后，又暴露出了一些有用的字符串：

2、分析password值

选中0x401000到0x401077ret之间的代码，按p键，强制转换为函数，可以基本判定这就是主函数，接受输入参数，进而比对是否为password值。

上图中，三个jnz分支都跳转到一个地址，可以推出此地址就是处理password值不相等的分支。

重点关注这三段代码，发现：

第一个函数比对的是输入参数argv的第一个字母。如果和70h相等，就跳转到第二个函数loc_401024继续比较。

第二个函数比对的是输入参数argv的第三个字母。如果和71h相等，就跳转到第三个函数loc_401038继续比较。

第三个函数比对的是输入参数argv的第二个字母。如果和64h相等，就跳转到打印“Good Job！”的函数。

由此得出password／flag值为pdq。

3、运行验证

五、小结

学习两种反汇编算法的不同与缺陷，以及漏洞利用。

对抗反汇编技术主要针对面向代码流的反汇编器，构造一些条件指令，植入无关字节，达到保护真实指令的目的。

混淆控制流用于隐藏函数信息、函数调用关系，给分析带来困难。

这种技术有其两面性。用在正的方面，可作为软件保护，防止破解；用在反的方面，可以为病毒木马增加保护，干扰分析。

通过反汇编一个实例，学习了代码混淆／程序保护的原理和方法，加深了对汇编语言、逆向分析的理解，收获颇丰。

---

参考资料《恶意代码分析与实战》