-
-
[原创]利用angr符号执行去除虚假控制流
-
发表于: 2021-2-10 18:31
-
接触OLLVM也有好长一段时间了，但一直停留在应用层面，接下来一段时间打算从进一步研究OLLVM。俗话说柿子先挑软的捏，如果说OLLVM提供的几种混淆方式有辈分之分，那么虚假控制流（Bogus Control Flow）跟它的兄弟控制流平坦化（Control Flow Flattening）比起来就是弟中弟，我们就从去除OLLVM虚假控制流混淆开始吧！
GitHub仓库：bluesadi/debogus
虚假控制流混淆通过加入包含不透明谓词的条件跳转（也就是跳转与否在运行之前就已经确定的跳转，但IDA无法分析）和不可达的基本块，来干扰IDA的控制流分析和F5反汇编。
我们先用一个简单的例子来看看OLLVM虚假控制流混淆的效果：
正常编译，在IDA中查看程序的CFG，还是比较清晰的：
加上-ollvm -bcf选项后编译，可以看到整个程序的流程图变得十分复杂：
F5反汇编可以看到程序多出了一些莫名其妙的跳转和循环：
这些跳转中的x和y位于.bss段，并且通过交叉引用发现没有被修改过，也就是说x和y在运行过程中一直为0。这里的x和y被称为不透明谓词，所谓不透明，就是IDA难以推断其在运行时的值，但我们都知道它就是0：
在图中y >= 10 && ((((_BYTE)x - 1) * (_BYTE)x) & 1) != 0是一个恒为false的条件，而y < 10 || ((((_BYTE)x - 1) * (_BYTE)x) & 1) == 0是一个恒为true的条件。
因此下图中用框起来的代码块永远不会被执行，那些永远不会执行到的代码块，就叫做不可达的基本块：
这些跳转和不可达基本块并不会影响程序原有的逻辑，但会干扰我们的分析，这就是虚假控制流混淆达到的效果。
利用符号执行去混淆的基本思路是：先找到目标函数的所有基本块，再通过符号执行遍历目标函数所有可达的基本块，剩下的就是不可达的基本块。把不可达的基本块全部nop掉，就能使IDA的F5反汇编正常分析。
首先加载我们需要的参数，比如文件名，目标函数的起始地址：
angr加载二进制文件：
获取目标函数的函数的所有基本块：
cfg是Control Flow Graph的缩写。注意cfg.nodes()中除了会包含函数本身的基本块之外，还会包含函数里调用的其他函数的基本块，所以这里用一个node.addr >= start_address and node.addr <= end_address把函数中调用的其他函数的基本块筛掉。
Hook掉目标函数中调用的所有其他函数：
angr.SIM_PROCEDURES["stubs"]["ReturnUnconstrained"]()是ReturnUnconstrained类的一个实例，在符号执行过程中它会返回一个无约束的符号，简单来说就是一个可以返回任何值的函数。
为什么要这样Hook，原因是在符号执行一些静态链接的文件时，angr的符号执行模拟器会陷入到复杂的库函数中，导致跑的时间非常长或者根本跑不出来，这也是我把基本块的分析范围限制在目标函数内的原因。
在我研究过程中发现的另一个脚本：cq674350529/deflat显然就没有处理这个问题。
然后是符号执行的过程：
从目标函数开始，simgr.step()逐块执行，一直到没有active状态为止（可以认为是运行结束）。
step的过程有点像BFS的过程，每碰到一个跳转就会分裂出两个新的active状态（前提是两个状态都是可达的）。
一边符号执行一边将符号执行能遍历到的所以基本块的地址保存到control_flow中。
最后nop掉没有被执行到的基本块：
最后将去混淆的结果保存到另一个文件中
这里我们直接用BUUCTF上的一道题测试：[XMAN2018排位赛]Dragon Quest
可以看到很明显是虚假控制流混淆：
运行我们的脚本去混淆：
查看去混淆后的文件，可以看到去混淆的效果还不错：
我们再测试一个更变态的文件（感谢Rimao大佬提供）。
它的流程图是这样的：
伪代码有近2000行，混淆方式是Rimao大佬魔改的虚假控制流：
运行去混淆脚本：
IDA查看效果，发现没去干净：
并且运行也出错了：
理论上来说只要弄清混淆原理就有办法改进，不过要过年了嘛，就暂时不研究了hh
把所有不透明谓词改为0也能使IDA的F5反汇编恢复正常，用idapython脚本就能实现，因为不是文章的重点就简单贴一下代码好了233：
这种方法的优点是脚本写起来简单，也不用考虑静态链接还是动态链接的问题，缺点是面对虚假控制流的变体可能无能为力。
在上面的脚本中为了防止angr陷到库函数里面，我把符号执行的范围限定在了目标函数内。这样的缺陷是如果有多个函数被混淆了，就要运行很多次脚本。可以加入一个深度参数--depth，距离目标函数的调用深度不超过depth的函数都会被去混淆，这是一个改进方案，不过感觉代码量很大就没实现了呜呜。
另一个可以改进的地方是在去掉不可达的基本块之后，还可以顺便把跳转到这个基本块的jnz指令改成jmp指令，可能对以后要研究的去除虚假控制流变体有帮助。
我对angr的研究也不是特别深入，因此这个去混淆脚本也许不能适用于所有情况（比如上面那个魔改虚假控制流），不过应对OLLVM的虚假控制流混淆应该没有问题。Rimao师傅还提出了一个“怎么区分虚假控制流还是输入导致的分支”问题，欢迎大家讨论吧233。
过完年之后打算研究基于LLVM的混淆了，angr也会继续学习，届时还会推出一些相关的文章，欢迎大家交流学习！
#include <stdio.h>#include <string.h>int main(){
char name[100];
scanf("%s", name);
if (strcmp(name, "Alice") == 0) {
printf("hello, %s.\n", name) ;
} else if (strcmp(name, "Bob") == 0) {
printf ("hello, %s\n", name);
} else {
printf("no permission.\n") ;
}
}#include <stdio.h>#include <string.h>int main(){
char name[100];
scanf("%s", name);
if (strcmp(name, "Alice") == 0) {
printf("hello, %s.\n", name) ;
} else if (strcmp(name, "Bob") == 0) {
printf ("hello, %s\n", name);
} else {
printf("no permission.\n") ;
}
}import argparse
parser = argparse.ArgumentParser()
parser.add_argument('-f','--file', help='The path of binary file to deobfuscate')
parser.add_argument('-s','--start', help='Start address of target function')
parser.add_argument('-e','--end', help='End address of target function')
args = parser.parse_args()
if args.file == None or args.start == None or args.end == None:
parser.print_help()
exit(0)
filename = args.file
start_address = int(args.start, 16)
end_address = int(args.end, 16)
import argparse
parser = argparse.ArgumentParser()
parser.add_argument('-f','--file', help='The path of binary file to deobfuscate')
parser.add_argument('-s','--start', help='Start address of target function')
parser.add_argument('-e','--end', help='End address of target function')
args = parser.parse_args()
if args.file == None or args.start == None or args.end == None:
parser.print_help()
exit(0)
filename = args.file
start_address = int(args.start, 16)
end_address = int(args.end, 16)
import angr
proj = angr.Project(filename, load_options={'auto_load_libs': False})
import angr
proj = angr.Project(filename, load_options={'auto_load_libs': False})
target_blocks = set()
cfg = proj.analyses.CFGFast()
cfg = cfg.functions.get(start_address).transition_graph
for node in cfg.nodes():
if node.addr >= start_address and node.addr <= end_address:
target_blocks.add(node)
target_blocks = set()
cfg = proj.analyses.CFGFast()
cfg = cfg.functions.get(start_address).transition_graph
for node in cfg.nodes():
if node.addr >= start_address and node.addr <= end_address:
target_blocks.add(node)
function_size = end_address - start_address + 1
target_block = proj.factory.block(start_address,function_size)
for ins in target_block.capstone.insns:
if ins.mnemonic == 'call':
proj.hook(int(ins.op_str, 16), angr.SIM_PROCEDURES["stubs"]["ReturnUnconstrained"](), replace=True)
function_size = end_address - start_address + 1
target_block = proj.factory.block(start_address,function_size)
for ins in target_block.capstone.insns:
if ins.mnemonic == 'call':
proj.hook(int(ins.op_str, 16), angr.SIM_PROCEDURES["stubs"]["ReturnUnconstrained"](), replace=True)
control_flow = set()
state = proj.factory.blank_state(addr=start_address, remove_options={angr.sim_options.LAZY_SOLVES})
simgr = proj.factory.simulation_manager(state)
control_flow.add(state.addr)while len(simgr.active) > 0:
for active in simgr.active:
control_flow.add(active.addr)
simgr.step()
control_flow = set()
state = proj.factory.blank_state(addr=start_address, remove_options={angr.sim_options.LAZY_SOLVES})
simgr = proj.factory.simulation_manager(state)
control_flow.add(state.addr)[招生]科锐逆向工程师培训(2024年11月15日实地，远程教学同时开班, 第51期)
