在 Linux 上分析二進制文件的 10 種方法
“這個世界上有 10 種人：懂二進制的人和不懂二進制的人。”
我們每天都在與二進制文件打交道，但我們對二進制文件卻知之甚少。我所說的二進制，是指你每天運行的可執行文件，從命令行工具到成熟的應用程序都是。
Linux 提供了一套豐富的工具，讓分析二進制文件變得輕而易舉。無論你的工作角色是什么，如果你在 Linux 上工作，了解這些工具的基本知識將幫助你更好地理解你的系統。
在這篇文章中，我們將介紹其中一些最流行的 Linux 工具和命令，其中大部分都是 Linux 發行版的一部分。如果沒有找到，你可以隨時使用你的軟件包管理器來安裝和探索它們。請記住：學習在正確的場合使用正確的工具需要大量的耐心和練習。
file
它的作用：幫助確定文件類型。
這將是你進行二進制分析的起點。我們每天都在與文件打交道，并非所有的文件都是可執行類型，除此之外還有各種各樣的文件類型。在你開始之前，你需要了解要分析的文件類型。是二進制文件、庫文件、ASCII 文本文件、視頻文件、圖片文件、PDF、數據文件等文件嗎?
file 命令將幫助你確定你所處理的文件類型。
- $ file /bin/ls
- /bin/ls: ELF 64-bit LSB executable, x86-64, version 1 (SYSV), dynamically linked (uses shared libs), for GNU/Linux 2.6.32, BuildID[sha1]=94943a89d17e9d373b2794dcb1f7e38c95b66c86, stripped
- $
- $ file /etc/passwd
- /etc/passwd: ASCII text
- $
ldd
它的作用：打印共享對象依賴關系。
如果你已經在一個可執行的二進制文件上使用了上面的 file 命令，你肯定會看到輸出中的“動態鏈接dynamically linked”信息。它是什么意思呢?
在開發軟件的時候，我們盡量不要重造輪子。有一組常見的任務是大多數軟件程序需要的，比如打印輸出或從標準輸入/打開的文件中讀取等。所有這些常見的任務都被抽象成一組通用的函數，然后每個人都可以使用，而不是寫出自己的變體。這些常用的函數被放在一個叫 libc 或 glibc 的庫中。
如何找到可執行程序所依賴的庫?這就是 ldd 命令的作用了。對動態鏈接的二進制文件運行該命令會顯示出所有依賴庫和它們的路徑。
- $ ldd /bin/ls
- linux-vdso.so.1 => (0x00007ffef5ba1000)
- libselinux.so.1 => /lib64/libselinux.so.1 (0x00007fea9f854000)
- libcap.so.2 => /lib64/libcap.so.2 (0x00007fea9f64f000)
- libacl.so.1 => /lib64/libacl.so.1 (0x00007fea9f446000)
- libc.so.6 => /lib64/libc.so.6 (0x00007fea9f079000)
- libpcre.so.1 => /lib64/libpcre.so.1 (0x00007fea9ee17000)
- libdl.so.2 => /lib64/libdl.so.2 (0x00007fea9ec13000)
- /lib64/ld-linux-x86-64.so.2 (0x00007fea9fa7b000)
- libattr.so.1 => /lib64/libattr.so.1 (0x00007fea9ea0e000)
- libpthread.so.0 => /lib64/libpthread.so.0 (0x00007fea9e7f2000)
- $
ltrace
它的作用：庫調用跟蹤器。
我們現在知道如何使用 ldd 命令找到一個可執行程序所依賴的庫。然而，一個庫可以包含數百個函數。在這幾百個函數中，哪些是我們的二進制程序正在使用的實際函數?
ltrace 命令可以顯示運行時從庫中調用的所有函數。在下面的例子中，你可以看到被調用的函數名稱，以及傳遞給該函數的參數。你也可以在輸出的最右邊看到這些函數返回的內容。
- $ ltrace ls
- __libc_start_main(0x4028c0, 1, 0x7ffd94023b88, 0x412950 <unfinished ...>
- strrchr("ls", '/') = nil
- setlocale(LC_ALL, "") = "en_US.UTF-8"
- bindtextdomain("coreutils", "/usr/share/locale") = "/usr/share/locale"
- textdomain("coreutils") = "coreutils"
- __cxa_atexit(0x40a930, 0, 0, 0x736c6974756572) = 0
- isatty(1) = 1
- getenv("QUOTING_STYLE") = nil
- getenv("COLUMNS") = nil
- ioctl(1, 21523, 0x7ffd94023a50) = 0
- << snip >>
- fflush(0x7ff7baae61c0) = 0
- fclose(0x7ff7baae61c0) = 0
- +++ exited (status 0) +++
- $
hexdump
它的作用：以 ASCII、十進制、十六進制或八進制顯示文件內容。
通常情況下，當你用一個應用程序打開一個文件，而它不知道如何處理該文件時，就會出現這種情況。嘗試用 vim 打開一個可執行文件或視頻文件，你屏幕上會看到的只是拋出的亂碼。
在 hexdump 中打開未知文件，可以幫助你看到文件的具體內容。你也可以選擇使用一些命令行選項來查看用 ASCII 表示的文件數據。這可能會幫助你了解到它是什么類型的文件。
- $ hexdump -C /bin/ls | head
- 00000000 7f 45 4c 46 02 01 01 00 00 00 00 00 00 00 00 00 |.ELF............|
- 00000010 02 00 3e 00 01 00 00 00 d4 42 40 00 00 00 00 00 |..>......B@.....|
- 00000020 40 00 00 00 00 00 00 00 f0 c3 01 00 00 00 00 00 |@...............|
- 00000030 00 00 00 00 40 00 38 00 09 00 40 00 1f 00 1e 00 |....@.8...@.....|
- 00000040 06 00 00 00 05 00 00 00 40 00 00 00 00 00 00 00 |........@.......|
- 00000050 40 00 40 00 00 00 00 00 40 00 40 00 00 00 00 00 |@.@.....@.@.....|
- 00000060 f8 01 00 00 00 00 00 00 f8 01 00 00 00 00 00 00 |................|
- 00000070 08 00 00 00 00 00 00 00 03 00 00 00 04 00 00 00 |................|
- 00000080 38 02 00 00 00 00 00 00 38 02 40 00 00 00 00 00 |8.......8.@.....|
- 00000090 38 02 40 00 00 00 00 00 1c 00 00 00 00 00 00 00 |8.@.............|
- $
strings
它的作用：打印文件中的可打印字符的字符串。
如果你只是在二進制中尋找可打印的字符，那么 hexdump 對于你的使用場景來說似乎有點矯枉過正，你可以使用 strings 命令。
在開發軟件的時候，各種文本/ASCII 信息會被添加到其中，比如打印信息、調試信息、幫助信息、錯誤等。只要這些信息都存在于二進制文件中，就可以用 strings 命令將其轉儲到屏幕上。
- $ strings /bin/ls
readelf
它的作用：顯示有關 ELF 文件的信息。
ELF(可執行和可鏈接文件格式Executable and Linkable File Format)是可執行文件或二進制文件的主流格式，不僅是 Linux 系統，也是各種 UNIX 系統的主流文件格式。如果你已經使用了像 file 命令這樣的工具，它告訴你文件是 ELF 格式，那么下一步就是使用 readelf 命令和它的各種選項來進一步分析文件。
在使用 readelf 命令時，有一份實際的 ELF 規范的參考是非常有用的。你可以在這里找到該規范。
- $ readelf -h /bin/ls
- ELF Header:
- Magic: 7f 45 4c 46 02 01 01 00 00 00 00 00 00 00 00 00
- Class: ELF64
- Data: 2's complement, little endian
- Version: 1 (current)
- OS/ABI: UNIX - System V
- ABI Version: 0
- Type: EXEC (Executable file)
- Machine: Advanced Micro Devices X86-64
- Version: 0x1
- Entry point address: 0x4042d4
- Start of program headers: 64 (bytes into file)
- Start of section headers: 115696 (bytes into file)
- Flags: 0x0
- Size of this header: 64 (bytes)
- Size of program headers: 56 (bytes)
- Number of program headers: 9
- Size of section headers: 64 (bytes)
- Number of section headers: 31
- Section header string table index: 30
- $
objdump
它的作用：從對象文件中顯示信息。
二進制文件是通過你編寫的源碼創建的，這些源碼會通過一個叫做編譯器的工具進行編譯。這個編譯器會生成相對于源代碼的機器語言指令，然后由 CPU 執行特定的任務。這些機器語言代碼可以通過被稱為匯編語言的助記詞來解讀。匯編語言是一組指令，它可以幫助你理解由程序所進行并最終在 CPU 上執行的操作。
objdump 實用程序讀取二進制或可執行文件，并將匯編語言指令轉儲到屏幕上。匯編語言知識對于理解 objdump 命令的輸出至關重要。
請記住：匯編語言是特定于體系結構的。
- $ objdump -d /bin/ls | head
- /bin/ls: file format elf64-x86-64
- Disassembly of section .init:
- 0000000000402150 <_init@@Base>:
- 402150: 48 83 ec 08 sub $0x8,%rsp
- 402154: 48 8b 05 6d 8e 21 00 mov 0x218e6d(%rip),%rax # 61afc8 <__gmon_start__>
- 40215b: 48 85 c0 test %rax,%rax
- $
strace
它的作用：跟蹤系統調用和信號。
如果你用過前面提到的 ltrace，那就把 strace 想成是類似的。唯一的區別是，strace 工具不是追蹤調用的庫，而是追蹤系統調用。系統調用是你與內核對接來完成工作的。
舉個例子，如果你想把一些東西打印到屏幕上，你會使用標準庫 libc 中的 printf 或 puts 函數;但是，在底層，最終會有一個名為 write 的系統調用來實際把東西打印到屏幕上。
- $ strace -f /bin/ls
- execve("/bin/ls", ["/bin/ls"], [/* 17 vars */]) = 0
- brk(NULL) = 0x686000
- mmap(NULL, 4096, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_ANONYMOUS, -1, 0) = 0x7f967956a000
- access("/etc/ld.so.preload", R_OK) = -1 ENOENT (No such file or directory)
- open("/etc/ld.so.cache", O_RDONLY|O_CLOEXEC) = 3
- fstat(3, {st_mode=S_IFREG|0644, st_size=40661, ...}) = 0
- mmap(NULL, 40661, PROT_READ, MAP_PRIVATE, 3, 0) = 0x7f9679560000
- close(3) = 0
- << snip >>
- fstat(1, {st_mode=S_IFCHR|0620, st_rdev=makedev(136, 1), ...}) = 0
- mmap(NULL, 4096, PROT_READ|PROT_WRITE, MAP_PRIVATE|MAP_ANONYMOUS, -1, 0) = 0x7f9679569000
- write(1, "R2 RH\n", 7R2 RH
- ) = 7
- close(1) = 0
- munmap(0x7f9679569000, 4096) = 0
- close(2) = 0
- exit_group(0) = ?
- +++ exited with 0 +++
- $
nm
它的作用：列出對象文件中的符號。
如果你所使用的二進制文件沒有被剝離，nm 命令將為你提供在編譯過程中嵌入到二進制文件中的有價值的信息。nm 可以幫助你從二進制文件中識別變量和函數。你可以想象一下，如果你無法訪問二進制文件的源代碼時，這將是多么有用。
為了展示 nm，我們快速編寫了一個小程序，用 -g 選項編譯，我們會看到這個二進制文件沒有被剝離。
- $ cat hello.c
- #include <stdio.h>
- int main() {
- printf("Hello world!");
- return 0;
- }
- $
- $ gcc -g hello.c -o hello
- $
- $ file hello
- hello: ELF 64-bit LSB executable, x86-64, version 1 (SYSV), dynamically linked (uses shared libs), for GNU/Linux 2.6.32, BuildID[sha1]=3de46c8efb98bce4ad525d3328121568ba3d8a5d, not stripped
- $
- $ ./hello
- Hello world!$
- $
- $ nm hello | tail
- 0000000000600e20 d __JCR_END__
- 0000000000600e20 d __JCR_LIST__
- 00000000004005b0 T __libc_csu_fini
- 0000000000400540 T __libc_csu_init
- U __libc_start_main@@GLIBC_2.2.5
- 000000000040051d T main
- U printf@@GLIBC_2.2.5
- 0000000000400490 t register_tm_clones
- 0000000000400430 T _start
- 0000000000601030 D __TMC_END__
- $
gdb
它的作用：GNU 調試器。
好吧，不是所有的二進制文件中的東西都可以進行靜態分析。我們確實執行了一些運行二進制文件(進行分析)的命令，比如 ltrace 和 strace;然而，軟件由各種條件組成，這些條件可能會導致執行不同的替代路徑。
分析這些路徑的唯一方法是在運行時環境，在任何給定的位置停止或暫停程序，并能夠分析信息，然后再往下執行。
這就是調試器的作用，在 Linux 上，gdb 就是調試器的事實標準。它可以幫助你加載程序，在特定的地方設置斷點，分析內存和 CPU 的寄存器，以及更多的功能。它是對上面提到的其他工具的補充，可以讓你做更多的運行時分析。
有一點需要注意的是，一旦你使用 gdb 加載一個程序，你會看到它自己的 (gdb) 提示符。所有進一步的命令都將在這個 gdb 命令提示符中運行，直到你退出。
我們將使用我們之前編譯的 hello 程序，使用 gdb 來看看它的工作原理。
- $ gdb -q ./hello
- Reading symbols from /home/flash/hello...done.
- (gdb) break main
- Breakpoint 1 at 0x400521: file hello.c, line 4.
- (gdb) info break
- Num Type Disp Enb Address What
- 1 breakpoint keep y 0x0000000000400521 in main at hello.c:4
- (gdb) run
- Starting program: /home/flash/./hello
- Breakpoint 1, main () at hello.c:4
- 4 printf("Hello world!");
- Missing separate debuginfos, use: debuginfo-install glibc-2.17-260.el7_6.6.x86_64
- (gdb) bt
- #0 main () at hello.c:4
- (gdb) c
- Continuing.
- Hello world![Inferior 1 (process 29620) exited normally]
- (gdb) q
- $
結語
一旦你習慣了使用這些原生的 Linux 二進制分析工具，并理解了它們提供的輸出，你就可以轉向更高級和專業的開源二進制分析工具，比如 radare2。
