angr有什么用？

这是我对angr的最大疑问，即使看angr CTF挑战题我也很难看出什么特别的作用，尽管第一次运行类似的示例会觉得特别神奇。如果仅用于解决这种CTF题开发这么复杂的符号执行引擎未免有点太费脑子了，因为这些例子比较特殊，个人看来这不需要angr也能快速解决。另外，angr遇到每个分支都会产生新的后继状态，即使是简单的for循环，它也会在for循环的判断中不断产生新的状态，就等同trace代码一样每执行一次都会记录一次，而且有时也不好处理，这样就会造成状态爆炸，这么看来，如果一个函数非常复杂，而我们想要angr模拟整个函数，处理起来还是挺头痛的。
angr使用Claripy进行约束求解，但是有时也会遇到：“claripy.errors.UnsatError: unsat”，非常头痛。总体感觉各方面都不完美，各种问题，各种限制，打破了我对angr的完美想象。不过想想，也没什么是完美的，也有可能是我对angr还不够了解，毕竟angr还是很复杂的。angr是一个很漂亮的工具，写这篇文章是想重新思考一下，在有限的范围内分析一下angr的实际应用，看看它如何有助于逆向分析。

angr的基本示例

这是angr的一般使用代码，首先加载二进制文件，接着创建一个初始状态，创建模拟管理器（SimulationManager），然后调用explore探索路径，最后获取求解目标值。
首先得吐槽一下angr的api设计，个人的编程习惯偏向Java和C/C++，感觉使用把大部分东西放在Project里面就很有歧义，各种东西混杂在Project就挺乱的，官方文档说是这样方便。另外angr经过几次更新，代码接口风格变化也是很大。
上面这个例子不同于一般的CTF题例子，我看很多angr CTF例子都有使用到标准输入输出（state.posix.dumps(0|1)），感觉这样的例子不好，因为一般分析的二进制文件标准输入输出可是几乎不会存在。
虽然以上的代码很短，但是还是涉及的概念挺复杂的，那么应该从何谈起呢？

加载二进制文件

当然首先就是要解析二进制文件了，二进制分析中，最常见的就是PE文件和ELF文件，angr使用PyELFTools解析ELF文件，而类似pyelftools的工具在angr中称为后端，CLE加载器会根据文件类型自动选择恰当的后端。所以，原理上你是可以使用angr来操作原始二进制文件的，当然了单独使用pyelftools不就好了。
对于加载文件要注意的一个地方是依赖库的加载，一般情况下建议不要加载依赖库（使用auto_load_libs设置），因为它会造成符号执行非常慢，对于那些依赖其他库的变量或函数，angr提供方法解决：你手动提供实现替换一下就行了。对于变量，可以通过继承SimData实现，对于函数可以通过继承SimProcedure，需要hook的话也是使用SimProcedure。
对于加载文件，没有更多需要说的，如果要理解更清晰，需要懂得ELF文件结构、PE文件结构、重定位和内存映射等。

angr的基本数据：一切都是AST

angr中最基本的数据应视为AST（抽象语法树），或可一般称为：符号（类似代数式），例如：
x = claripy.BVS('x', 32)
y = claripy.FPV(3.14, claripy.FSORT_FLOAT)
x和y变量都是一个符号，如果x有一个具体值，有时又称为位向量：具有一定长度的二进制位。有点乱，那么统称为AST，就是代数式那样的东西。
angr的符号数据是由Claripy支持的，符号的相关操作都可以在其api文档中找到：https://api.angr.io/projects/claripy/en/latest/api.html。
接触汇编分析都知道，计算机只会处理数字，不管是什么东西，它终究是数字，只是这个数字可能是整数也可能是浮点数，一个数可能是一个地址也可能是实际数据。所以AST符号是能够满足表示计算机的一般数据的，如BV是针对整数的，FP是针对浮点数的。
给定一个函数F，参数集为X，表达式为g(x)，在数学可表示为F(X)=g(x)。由于angr提供了使用符号表示数据，那么一个程序的函数执行也可以这样表示，只是没有数学中的那样直观。
例如一个计算从a到b的和的函数可能表示为f(a)=c+k*a，当然，这不是乱举例的，是真的可以这样表示。
那么寄存器、内存和文件呢？寄存器中的数据是符号，内存中的数据是符号，文件数据也是符号——全是代数式（angr的CTF例子中有这三种数据的模拟操作）。如此一来，那我们是不是可以通过符号模拟执行一个md5函数就可以拿到它的符号表达式了？原理上是的，但是实际上会有各种问题，其中一个问题就是太复杂的函数执行起来效率非常低，更多的问题下面也会谈到一些。

angr被分析对象的数据结构：SimState、Block

angr最常用的是针对SimState进行分析，但是不止状态，还有Block，Block称为基本代码块或基本块。其中SimState表示程序某一时刻的所有瞬时状态数据，包括寄存器、内存和文件系统数据，而Block表示一个没有分支跳转的代码块，angr不少地方的处理都是以基本块为单元进行处理的，例如step()，每执行一次step()执行完一个基本块中的所有指令，此时你去获取active中的状态的地址会发现等于基本块的起始地址。
所有的基本块组成一个图（Graph），所以程序的指令是图进行组织的，准确来说是一个有向图，也就是程序控制流程图。所有的SimState构成也可以看成一个图，当前的状态也可以通过history进行回溯，只是一个SimState还有各种插件，其中history也被视为插件。

状态模拟管理器（SimulationMnager）

其中最主要的方法是step、run和explore，这三个方法都是模拟器执行，step默认每次单步执行一个基本块；run和explore执行到指定位置或直至结束。
另外，step和run默认是按照BFS广度优先进行执行的：先处理完下一层的所有分支，再进行深入执行。而explore是按照DFS深度优先执行的：从起始地址一直执行到结束，然后再更换分支。对于explore，如果找到目标状态，会把目标状态添加到found中，这样你就可以从found状态列表中获取状态进一步处理。
另外要说的一个是状态集合（stash），官方文档是称为stash，实际上是一个集合或列表，是对状态的分类集：不同类型的状态放到不同的集合中。对于即将要解析执行的状态会被放到active中，一般来说active每个状态的地址就等于基本块的起始地址，当active列表为空时，就表示模拟执行已经全部处理完成。至于其它类型的状态集可以参考官方文档看看。

angr符号求解：Claripy约束求解器

一般的符号求解代码如下：

其中solver.add是添加符号约束，参数通常是符号比较表达式。solver.eval是求解函数，用于求解一个表达式或符号的可能值，第二个参数是解的个数，返回值可能包含多个解。
这里不深入求解器的原理，对于使用来说，符号求解其实就等于解方程，只是有可能无解就是。
以上基本介绍了angr的基本内容，其它还有两个重点是：探索技术（angr.exploration_techniques）和分析技术（project.analyses），前者是针对模拟执行过程的处理，后者是一些专门分析的技术，分析技术中，其中有控制流程图、值流程图、数据依赖图、后向切片等，以后有机会再讨论，现在我们先针对angr的符号执行。
下面我们开始尝试使用angr的符号执行进行更自由的使用，首先来看一个最简单的例子：

计算整数列和

对于这个例子，我一开始学angr就写了这个例子，因为很简单，CTF那种例子实在太特殊、太有限制了，我想试图尝试更自由的使用。但是执行完似乎不像预期想的那样，遇到各种问题，一度让我怀疑angr是不是就只会处理非常简单的问题。
首先，数列和的数学表示为：s = a + (a+1) + (a+2) + … + (b-1)，其中a<b-1。
现在我们来看一般的情形：

这个函数用于计算从a到b的数列和，我们的目标是获取函数的符号表达式，也就是将函数使用接近数学表达式的方式表示，这也是我写这篇文章的原因。我想看看是否可以做到针对普遍的函数，是否能够将一个程序函数计算为一个符号表达式。
如果函数是用于计算两个整数的和，很显然是可以做到的。但是如果函数的实现更复杂，是否还能够实现呢？例如上面这个函数，或者是hex、md5等其它加密解密函数呢？
将以上函数复制到JNI代码中，编译程序libangr.so库，然后编写angr代码分析该文件，代码如下：

其中，对于函数的输入我们使用符号表示，符号需要使用BVS，而浮点符号使用FPS。然后将两个参数赋值给r0和r1寄存器作为函数的传入参数。find=0x408301是函数执行结束的地方，到找到到达该地址的状态后，explore停止执行，s.regs.r0是从该位置的状态中读取r0函数返回值。
函数的执行输出如下：

这可不是我需要的结果！
先去看看函数的汇编指令：

其中loc_82CC是a>=b时直接返回0的跳转，而explore是按照DFS执行的，所以我想这是因为angr找到第一个符合条件的状态就返回了，而第一个符合条件的则是a>=b的情况，下面我们来验证一下，看看是不是这样。

增加以上代码输出如下：

其中第一个地址是函数的起始基本块的起始地址，也就是函数开始执行的地址，最后一个地址是函数结束基本块的地址。
果然是这样，explore只要找到第一个符合条件的就会停止执行，这是很自然的，只是这不是我们想要的，我们想要的是计算整数数列和的符号表达式。
接着，我们可以在avoid参数中添加这条路径的地址，过滤掉这条路径，代码如下：

其中num_find表示探索解的个数，针对我们的目标，只需要一个就够了，另外这里求解r0是不准确的，如果r0是一个符号，显然求解的值会不确定，所以目前我们先不用关注它的值，只需要关注它的符号表示，以上代码执行输出如下：

你可以看到，r0等于x，这说明仅执行一次循环就退出了，因为for循环中也有一个条件判断i<b，以上执行走了i>=b的路径。
当angr执行到一个条件判断的时候，如果进行判断的变量是一个符号，这里的i初始值等于x，所以是一个符号；angr会同时执行两个分支：i>=b和i<b，同时生成两个分支的后继状态继续执行。由于我们需要跳出循环，所以并不能简单地去除跳出循环的分支简单地过滤掉这个地址。
接着该如何解决？a到b的数列和，a<b，原理上explore会执行完所有路径，针对当前分析的函数的情况，如果num_find=1， r0=x，循环执行一次；当num_find=2时，r0=2x+1，循环执行两次，以此类推。但是由于b是一个符号，除了a<b，还可以约束a>0，b>0，即使如此，b的取值范围原则上可以最大到无穷大。而就目前的情形，数列的项数刚好就等于num_find。感觉有些不完美，因为这个意味着我们需要手动指定一个实际的项数值，由此也可以看出程序和数学符号的区别，程序计算比数学符号更具体，而局限性更大，数学符号更抽象，涵括的范围更大。例如任意整数数列可以表示为无限形式s+(s+1)+(s+2)+…+(s+n)，而程序表示更多情况只能表示无限数列的其中一段。这也启发我们使用angr的时候，要注意是否会遇到无限循环，如果遇到就需要将其限制为有限循环。
这里我取项数n=99，此时代码执行的输出为：

由于1到99的数列和为4950，对比r0表达式，可以算出x=1；也可以在代码中实现求解：

就目前模拟执行这个简单的循环，计算的时间为29秒，真是灾难！因为这个例子太简单了，虽然找到了99条路径，但是指令很少，分支也很少，如果函数稍微再复杂一些，这可怎么搞。
这个例子先到止为止，其中关键点在于for循环中的条件分支，angr每次执行到该位置都会产生两个分支，这就造成路径爆炸。假设一个函数的参数为x，而x作为函数中一个for循环的上限（while循环也是一样），如果我们不去分析和处理，这意味着要不提前退出了循环，要不进入无限循环。如果我们指定x的值为具体值，那么angr就变成了仅仅使用unicorn的实际值模拟执行，而不是符号执行，针对这个问题，欢迎感兴趣的朋友在下方评论和讨论。
如下代码就是实际值的模拟执行：

而此时，我们不需要去处理for循环，结果为4950，它会正确地执行，此时不是符号执行。
让我们回到面向一般汇编函数的情形，对于我们最感兴趣的情形就是：这个函数是一个关键函数，函数接受一些输入参数，提供特定的输出，这个函数可能是加密或解密函数，而我们的目标是：它的算法是怎么样的？从输入参数到结果的计算过程是怎么样的？是否可以使用符号执行，使得最终使用符号表示这个算法？

angr符号执行、算法分析和循环语句

编程语言之间的语句类型基本是等同的，针对angr符号执行，其中最特殊的就是循环语句，如果这个循环语句的上界和下界都是具体值，我们自然不需要担心，但是如果上下界至少有一个是符号或AST，这就让情况变得非常棘手了。我目前也没有想到什么解决办法，可能angr中有相关解决该问题的支持或者有其他辅助方法，知道的朋友可以回应一下。目前这里只能是被迫将循环语句的上下界指定位置具体值。
但是如何符号都被迫使用具体值，这就让使用angr失去了意义——那不如使用unicorn或基于unicorn的框架。假设我们的目标是为了获取算法，如果我们能够得到一个使用angr符号表示的算法那就算完成了目的，但是都有可能会遇到循环上下界是符号的情况，总之我们尽可能让输入参数都是符号。否则我们就需要考虑具体值执行的情况，毕竟目标是分析算法，目标并不是强制要求angr如何有神奇的功能，如果不能解决那就需要想其他方法了。
目前发现这文章的方向成了：如何使用angr获取算法的符号表达式？我还没看过类似的用法，但是符号执行的技术让我觉得或多或少应该能够实现一些目的，这也算一个关于angr应用的分析和尝试。

尝试使用angr计算SHA1算法表达式

目前使用的SH1算法函数签名是：

其中message是一个字符串指针，第二个参数是字符串的长度，第三个是返回值，长度固定为20。
函数有点长，这里先不贴出来，有需要的朋友可以回复问一下，到时需要再贴在评论区。
在这个函数中有一个for循环的是和函数第二个参数有关的，也就是循环的上下界都是符号变量，依据上面的分析，我们最好指定一下第二个参数为具体值。

如果我们不指定，当仅探索一条目标路径的时候，它一般不执行完就跳出循环了，不过也可以再尝试下使用符号会是什么情况。
先把SHA1函数复制到JNI中，编译生成libangr2.so，然后开始编写angr分析代码。程序首先遇到的第一个问题就是函数中使用到了memcpy函数，这个函数来自其他库，对于这种问题，我们可以使用angr hook解决。

angr hook的用法和问题

angr hook和一般类似frida hook不太一样，和hook类似的还有变量或符号替换，不过这里不展开讨论，就是上面说到的，如果这个符号依赖于其他库，就需要手动注册符号的实现。
angr hook操作实现有两种，使用上是不同的：第一种是继承SimProcedure，实现run实例方法，除了self参数，参数按顺序依次为原函数的参数，如run(self, arg1, arg2, arg3…)，run的返回值就是原函数的返回值。当我们使用SimProcedure hook一个目标函数后，目标函数默认不会再被执行，可以使用project.hook或project.hook_symbol进行hook。
如果我们想在run中再次调用函数，可以使用self.call调用其它函数或自身，这就类似在frida中的Interceptor.replace调用自身。使用SimProcedure hook的示例代码如下：

第二种是使用@project.hook(hook_addr, length=n)，hook_addr是目标函数地址，默认情况下，hook函数会先执行hook_addr，然后返回到这个地址继续执行，它默认不会跳过hook_addr这个位置的指令；除非你使用length指定返回后跳过的地址字节数，例如跳过4字节，也就是跳过hook_addr这个位置的指令继续执行，示例代码如下：

而在上一节中，我们想使用angr hook来解决memcpy函数的问题，这里提供的hook示例代码也就解决了这个问题。
angr hook的作用也正如frida hook，你可以使用它完成各种事情，但angr hook其中一个针对的是解决依赖函数的问题，一般就是用上面的方式——还有一切皆符号的思想。
我们可以注意到，一般情况下最好还是要用hook处理来自其它库的函数，如果函数非常多，这将会非常麻烦，我们可以预想到如果一个目标函数非常复杂，使用angr也是感觉鞭长莫及。另外这种hook类似什么？就是一般模拟执行中的补环境。

angr模拟执行获取SHA1算法表达式

像上面说的，我们需要的是使用一个表达式表示一个算法，那么angr中使用的表达式是怎么样的？angr使用VEX IR中间语言来统一所有平台的机器指令表示，使用的相关库是PyVEX，感兴趣的可以去github看看。IR是中间表示语言，例如smali，它比机器码阅读性更强，但是不及源代码。VEX IR也是类似，它比一般的ARM/X64指令更容易阅读，自然也比不上直接阅读C/C++代码。
VEX IR其实挺好阅读的，前面说的基本块其实就是VEX IR的IR超级块（IR Super Block），你可以使用proj.factory.block获取一个基本块，或使用state.block获取当前状态指向的基本块，block.vex就是一个IRSB。
angr中的一切皆符号——而这些符号表达式就是VEX IR表达式，有时你输出一个符号的时候可能会遇到莫名其妙的表示，不要紧张，这些都是VEX IR表达式，这些符号不是随便拼凑的，有一定的语法格式，看不懂就去官方文档看就行了。
而我们模拟执行得到的表达式就是VEX IR表达式，进一步的说，它们都是AST树——都是一棵树，因为在这个例子中，我们将会遇到非常复杂的表达式，甚至python控制台长时间都无法输出，这是头痛。但是你知道表达式就是一个AST，你可以选择性的简单遍历一下AST树看看。
先看看angr模拟执行获取SHA1算法表达式的代码：

其中shallow_repr方法就是用来简单看看运算结果的，因为目前没法完整输出整个表示，如果有知道的朋友可以在评论区说一下，这个我暂时还不大清楚，只是看下简单表示大概确定一下没问题就行，如果以上代码或分析有任何问题，也欢迎评论区指出。
下面是AST深度为8的算法表达式截图，既然完整的都无法一下子输出，我想这个表达式应该很大，或者应该计算一下它的复杂度。

以上截图都是VEX IR表达式，其中类似[81:81]（闭区间）的表示字节范围，就是一个字节，而..表示拼接，<…>则是一种缩写，因为目前以非完全的方式输出，所以会有这种缩写，它还可以展开的。
没想到吧，这是真复杂啊！即使我得出这个表达式了，但是这表达式比我写的这篇文章还长，也不能看懂用来测试，似乎作用不大，这似乎意味着我的尝试失败了，这——么长的表达式好像对于我分析算法并没有太直接的作用对不对？而很多加密解密算法都有循环语句的，而过多的循环会导致表达式过长，或者其它原因，总之看来angr的局限性挺大的。

总结

目前看来，angr只能非常有限地使用，其中最重要的标志就是目标代码中的循环，循环决定了复杂度，一旦有循环，特别是想要符号化的变量也参与循环边界，不但难以符号化，而且也会导致表达式过于复杂。所以针对复杂循环的情况，最好可能是按代码块进行分析，就是说我把一次分析的范围缩小，例如缩小为一个for循环；而angr是可以从任意位置开始执行的，只要你能够补好模拟环境就行了。其实我还想讨论一个简单算法的例子的（主要是循环），因为某些情况还是能够很好表示一个算法的。
我认为angr的符号执行是非常好的，但是它的效率让我觉得好像单独用pyelftools、claripy、unicorn似乎也没大区别，我是希望它能够有更多的扩展应用。
angr符号执行的标准应用应该是：给定一个结果输出集，求到达该结果的输入集（起始点从哪条路径到达结果）；通常都是将输入参数都用符号表示。

目前就先到这里，下次有感兴趣的东西再写文章研究下，有任何问题欢迎评论区讨论。

[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)