STL容器逆向与实战
2023-2-7 18:2:32 Author: 看雪学苑(查看原文) 阅读量:12 收藏


本文为看雪论坛优秀文章

看雪论坛作者ID:R1mao


序言

在之前的CTF中常常出现了对STL容器的逆向,而在网上的资料中并没有搜到详细的STL容器逆向的经验和文章,这里配合编译器一起来看看常见的STL容器的内存模型,最后根据最近N1CTF比赛中cppmaster来进行实战。

STL存在非常多种类的容器,但是多个容器之间的底层实现其实是类似的,例如set和map都采用的是rb_tree这个结构,因此我们从这种底层实现的数据结构来对STL容器分类,这里将要分析的容器分为分析四类:rb_tree,deque,hashtable,vector,顺带分析一下string的结构。

当然可能还存在许许多多的STL容器,但是大体的分析思路是类似的。这里采用LLVM辅助我们分析容器的内存结构。


Dump

对于一个Class而言,在LLVM IR种对应的为StructType,可以使用API访问其下的子Type,因此可以随便简单写个pass来dump出ir种的类的内存模型,从而辅助我们逆向分析各个容器的内存表示和实现。具体代码如下:

#include "llvm/Pass.h"#include "llvm/IR/Function.h"#include "llvm/IR/CFG.h"#include "llvm/IR/Type.h"#include "llvm/ADT/SmallSet.h"#include "llvm/ADT/SmallVector.h"#include "llvm/IR/BasicBlock.h"#include "llvm/Support/raw_ostream.h"#include "llvm/IR/LegacyPassManager.h"#include "llvm/Transforms/Utils/Cloning.h"#include "llvm/Transforms/IPO/PassManagerBuilder.h"#include<algorithm>#include<string>using namespace llvm;namespace{    struct DumpClass : public FunctionPass    {        static char ID;           DumpClass() : FunctionPass(ID) {}        std::string getTypeName(Type *type, DataLayout *data);        void dumpType(int depth, Type *type, int index, DataLayout *data);           bool runOnFunction(Function &F) override{             if(F.getName().compare("main"))                return false;            std::set<StructType*> types;            const DataLayout *data = &F.getParent()->getDataLayout();            for(Function::iterator B = F.begin(); B != F.end(); B++)            {                for(BasicBlock::iterator I = B->getFirstInsertionPt(); I != B->end(); I++)                {                    Instruction *instr = &*I;                    if(isa<AllocaInst>(*instr))                    {                        AllocaInst *a = (AllocaInst*)instr;                        Type *type = a->getAllocatedType();                        if(type->isStructTy())                        {                            StructType *s = (StructType*)type;                            if(s->isOpaque())                                continue;                            types.insert(s);                         }                    }                }            }            for(StructType *type:types)            {                errs()<<"\n\nstart dumping type: " + type->getStructName() + "\n";                dumpType(0, type, 0, (DataLayout*)data);            }                return false;        }      };}std::string DumpClass::getTypeName(Type *type, DataLayout *data){    if(type->isIntegerTy())    {        IntegerType *i = (IntegerType*)type;        return "uint" + std::to_string(i->getBitWidth()) + "_t";    }    else if(type->isPointerTy())    {        PointerType *ptrType = (PointerType*)type;        return getTypeName(ptrType->getPointerElementType(), data) + "*";    }    else if(type->isArrayTy())    {        ArrayType *arrType = (ArrayType*)type;        return getTypeName(arrType->getArrayElementType(), data) + "[" + std::to_string(arrType->getArrayNumElements()) + "]";    }    else if(type->isFloatTy())    {        return "float";    }    else if(type->isStructTy())    {        StructType *s = (StructType*) type;        return s->getStructName();    }    else    {        return "unknown_" + std::to_string(data->getTypeAllocSizeInBits(type));    }}void DumpClass::dumpType(int depth, Type *type, int index, DataLayout *data){    std::string blank = "";    for(int i = 0; i < depth; i++)        blank += "\t";    if(type->isStructTy())    {        StructType *s = (StructType*)type;        errs() << blank + s->getStructName() + " {\n";        for(int i = 0; i < s->getStructNumElements(); i++)        {            Type *subType = s->getStructElementType(i);            dumpType(depth + 1, subType, i, data);        }        //        errs() << blank + "} field_" + std::to_string(index) + ";\n";    }    else    {        errs() << blank + getTypeName(type, data) + " field_" + std::to_string(index) + ";\n";    } }char DumpClass::ID=0;static RegisterPass<DumpClass> X("dump", "DumpClass"); // Register for clangstatic RegisterStandardPasses Y(PassManagerBuilder::EP_EarlyAsPossible,  [](const PassManagerBuilder &Builder, legacy::PassManagerBase &PM) {    PM.add(new DumpClass());  });


deque

deque是queue,stack,deque等线性容器的底层实现,通过dump工具可以dump出具体的内存结构如下。不难发现在deque中,主要分为三个部分,第一个用于描述map的,其中包含map大小和map的指针,第二个则是指向deque中起始元素的Deque_iterator,第三个则是指向了deque中结束元素的Deque_iterator。

class.std::deque<string> {    class.std::_Deque_base {        struct.std::_Deque_base<std::__cxx11::basic_string<char>, std::allocator<std::__cxx11::basic_string<char> > >::_Deque_impl {            struct.std::_Deque_base<std::__cxx11::basic_string<char>, std::allocator<std::__cxx11::basic_string<char> > >::_Deque_impl_data {                class.std::__cxx11::basic_string** map;                uint64_t map_size;                struct.std::_Deque_iterator {                    class.std::__cxx11::basic_string* cur;                    class.std::__cxx11::basic_string* first;                    class.std::__cxx11::basic_string* last;                    class.std::__cxx11::basic_string** map;                } start;                struct.std::_Deque_iterator {                    class.std::__cxx11::basic_string* cur;                    class.std::__cxx11::basic_string* first;                    class.std::__cxx11::basic_string* last;                    class.std::__cxx11::basic_string** map;                } finish;            } field_0;        } field_0;    } field_0;} field_0;

这里需要注意的是:deque对元素的保存采取了分块保存的机制。deque采用一块连续的内存保存了一系列的指针。其中map即指向这一块连续的内存,换句话说map是一个指针,指向一个指针数组。而这个指针数组中的指针指向的则是一篇连续的,用于实际保存数据的内存区域,我们称为data array(每个元素的大小取决于deque中的模板类型),具体的内存示意图可以如下图所示。

而iterator的结构需要关注的是cur,他将直接指向数据数组中具体的元素,还有就是iterator下的map指针,这个元素则代表当前iterator指向的元素所在区块对应map中地址,last和first则指向data array的起始和结束。因此可以得知start和finish的map并不一定是相同的(即start迭代器指向元素不一定和finish迭代器指向元素处在同一个data array中),所以iterator在进行迭代的时候是需要根据map跳跃到不同的data array中。


vector

vector作为常见又方便的stl容器,其实现并不复杂,比上述的deque要简单得多。vector仅仅由三个指针构成:start,finish,end_of_storage。start用于指向数组的第一个元素,而finish指向结束的位置,即最后一个元素后面。而end_of_storage指向当前为vector分配的堆空间的结束地址。

class.std::vector<string> {    struct.std::_Vector_base {        struct.std::_Vector_base<std::__cxx11::basic_string<char>, std::allocator<std::__cxx11::basic_string<char> > >::_Vector_impl {            struct.std::_Vector_base<std::__cxx11::basic_string<char>, std::allocator<std::__cxx11::basic_string<char> > >::_Vector_impl_data {                class.std::__cxx11::basic_string* start;                class.std::__cxx11::basic_string* finish;                class.std::__cxx11::basic_string* end_of_storage;            } field_0;        } field_0;    } field_0;} field_0;

为什么需要有一个end_of_storage呢,vector是一个动态的容器,他会根据元素数目分配固定内存,但是当有新的元素加入时,如果分配的固定内存不足以存放新的元素的话,则会进行扩容。因此,这个指针则用于对vector需要扩容时使用(需要注意的是元素的大小取决于模板类型type的大小,因此存在(finish-start)%sizeof(type)==0)。具体的内存示意图可以如下图所示。


rb_tree

rb_tree即红黑树,具体的定义可以去网上翻阅资料,这里并不讨论其具体的实现和算法,仅仅讨论其数据结构在内存中的表示。rb_tree分为两个部分,一个适用于比较的key_compare,另一个则是header。重点分析header,header中存在一个node,和node_count。node即这个红黑树的起始节点,而node_count则代表这颗红黑树拥有多少的节点。node中描述了当前节点的颜色,父亲节点,左儿子和右儿子节点。

class.std::map<string,string> {    class.std::_Rb_tree.6 {        struct.std::_Rb_tree<std::__cxx11::basic_string<char>, std::pair<const std::__cxx11::basic_string<char>, std::__cxx11::basic_string<char> >, std::_Select1st<std::pair<const std::__cxx11::basic_string<char>, std::__cxx11::basic_string<char> > >, std::less<std::__cxx11::basic_string<char> >, std::allocator<std::pair<const std::__cxx11::basic_string<char>, std::__cxx11::basic_string<char> > > >::_Rb_tree_impl {            struct.std::_Rb_tree_key_compare {                struct.std::less {                    uint8_t value;                } key_compare;            } compare;            struct.std::_Rb_tree_header {                struct.std::_Rb_tree_node_base {                    uint32_t color;                    struct.std::_Rb_tree_node_base* parent;                    struct.std::_Rb_tree_node_base* left;                    struct.std::_Rb_tree_node_base* right;                } node;                uint64_t node_count;            } field_1;        } field_0;    } field_0;} field_0;

这里需要注意的是,当红黑树中不存在节点时,header中node的parent是0,而left和right则指向node自身。当插入了结点之后,这个parent则会指向树的根节点,而left和right则指向红黑树的最左边的节点和最右边的节点。

同时需要分清楚rb_tree变量本身和树本身。rb_tree变量中的node是不携带具体数据元素的,而树本身的节点在其node_base结构体结束后的内存区域则是数据元素。具体的内存示意图如下图所示。

map和set的实现皆是基于rb_tree,而唯一不同之处在于set直接在node中存储数据,而map在node中存储的是键值对,是一个pair,而pair<a,b>在内存中的表示则是直接a后存放b。


hashtable

unordered_map和unordered_set的底层是由hashtable实现的。Prime_rehash_policy结构体适用于hashtable的rehash操作的不做分析,这里我们主要需要关注的是buckets,这个指针指向了一个_Hash_node_base*数组,如果指针为null则无效,这些指针数组中的指针指向的是一个链表,可以通过不断的访问next遍历链表中的所有node。

bucket_count则表示buckets的大小,而element_count指的当前hashtable中所有的节点数目。默认的hashtable采用取模的方式找到对应的bucket,bucket_count一般为13。

class.std::unordered_map<int, string> {        class.std::_Hashtable {                struct.std::__detail::_Hash_node_base** buckets;                uint64_t bucket_count;                struct.std::__detail::_Hash_node_base {                        struct.std::__detail::_Hash_node_base* next;                } field_2;                uint64_t element_count;                struct.std::__detail::_Prime_rehash_policy {                        float max_load_factor;                        uint64_t next_resize;                } field_4;                struct.std::__detail::_Hash_node_base* field_5;        } field_0;} field_0;

因此需要遍历一个hashtable只需要遍历其bucket找到有效的list,并遍历各个list就能找到所有的数据了,类似rb_tree,元素的数据存储与链表结构_Hash_node_base的后面。具体的内存模型如下图所示。


string

string的结构比较简单。主要由一个指针ptr和字符串长度string_length构成。除此之外还会存在一个联合体,当字符串的长度小于8时会直接存储与这个缓冲区中,此时ptr指针将指向这个local_buf,大于这个local_buf将会在堆上另外分配内存,此时这个union转而用于存储分配堆的大小。

class.std::__cxx11::basic_string {    struct.std::__cxx11::basic_string<char, std::char_traits<char>, std::allocator<char> >::_Alloc_hider {        uint8_t* ptr;    } dataplus;    uint64_t string_length;    union.anon {        uint64_t allocated_capacity;        uint8_t local_buf[8];    };} field_0;

这样设计的目的是方便字符串大小变化的适应,便于实现字符串拼接等工作,且小字符串不用在堆上分配,对速度有少量提升。具体的内存示意图如下图所示,左边的是长度小于8的string。


N1CTF2022 cppmaster

该题给与了一个ELF文件,并给出了hint.txt:Recursive stl containers ( > 3 ), Identify and traverse these containers
不难知道这个题目与STL容器密切相关,配合traverse不难猜测肯定是使用stl容器套容器的操作,先打开ida看看实现,找到main函数。

经过动调,可以定位到代码输入函数所在位置,在main中给他命名为input_check。而他上面的函数明显初始化了一个deque的数据结构,第一行对应map,第二行对应map_size,接下来是两个iterator,四个qword一组。

点开每个iterator的cur,也就是cur,可以看到其中存储了两个元素。

如果理解了上述的数据结构内存模型,很容易看出来其实是rb_tree,第一个qword是compare_key,第二个qword是color,第三个qword代表parent,第四个和第五个是left和right,第六个qword则代表node_count,因此其实就是deque<rb_tree<>>这种嵌套方式。

随意点开rb_tree中的一个node,分析一下rb_tree对应的模板类型,可以看到他存储的其实是std::pair<int,hashtable>,所以其实是deque<map<int,hashtable<>>>,为什么我会知道是int呢,因为后文分析输入流时输入的都是数字,并通过数字从容器中访问内部数据。

继续查看一下hash_table的buckets。

随意点开一个bucket,里面存储的是个链表,链表节点数据中存储的也是一个std::pair<int,deque>,因此这其实是一个unordered_map<int,deque>。

到这里我们对该变量有了大体的认识,大概率是不断地stl容器嵌套,接下来继续去分析输入和这些容器之间的关系。input_check函数通过input_num输入一个数字,并且返回该容器对应元素。这个明显是deque的取元素操作。

然后通过step1跳转到下一层,下一层和input_check逻辑其实是差不多的,也是输入一个数字,然后获取map中对应的元素。

然后通过step2跳转到下一层,持续同样的操作,只不过这一层是unordered_map罢了。

这样的顺序刚好和我们之前分析的数据类型嵌套的顺序相符,所以我们需要根据这些函数来反推出这些数据结构的嵌套顺序。不难发现unordered_map的代码明显存在一个取mod的操作,而map存在std::rebalanced的操作。因此可以写出如下脚本来分析出容器的嵌套类型。

import ida_bytesimport ida_funcsimport ida_xrefimport idaapistep_funcs = {}funclist = Functions()rebalance_func = Nonefor f in funclist:    name = ida_funcs.get_func_name(f)    if 'step' in name:        step_funcs[name] = f    elif 'rebalance' in name:        rebalance_func = fassert rebalance_func != None step_type = {}for name, addr in step_funcs.items():    code = str(idaapi.decompile(addr))    if 'rebalance' in code:        step_type[name] = 'map'    elif '%' in code:        step_type[name] = 'hash_map'    else:        step_type[name] = 'deque' for i in range(28):    print('\'' + step_type['step' + str(i + 1)] + '\'' + ', ', end = '')

然后根据上述的出的容器嵌套顺序和对应容器的内存模型dump出对应的数据结构。

import ida_bytesimport idaapi size_table = {    'map' : 48,    'deque' : 80,    'string' : 32,    'hash_map' : 16,} def dump_rbtree_node(addr):    return {        'color' : ida_bytes.get_qword(addr),        'parent' : ida_bytes.get_qword(addr + 8),        'left' : ida_bytes.get_qword(addr + 16),        'right' : ida_bytes.get_qword(addr + 24),    }  def dump_rbtree_map(addr):    key = ida_bytes.get_qword(addr)    node_addr = addr + 8    node_num = ida_bytes.get_qword(addr + 40)    result = {}    def visit(node):        if node == idaapi.BADADDR:            return        info = dump_rbtree_node(node)        assert info['color'] == 1 or info['color'] == 0        value_key = ida_bytes.get_qword(node + 32)        data_addr = node + 40        result[value_key] = data_addr        if info['left'] != 0:            visit(info['left'])        if info['right'] != 0:            visit(info['right'])    d = dump_rbtree_node(node_addr)    visit(d['parent'])    assert len(result.keys()) == node_num    return result def dump_deque_iterator(addr):    return {        'cur' : ida_bytes.get_qword(addr),        'first' : ida_bytes.get_qword(addr + 8),        'last' : ida_bytes.get_qword(addr + 16),        'map' : ida_bytes.get_qword(addr + 24),    } def dump_deque(addr, delta):    deque_map = ida_bytes.get_qword(addr)    map_size = ida_bytes.get_qword(addr + 8)    assert map_size == 8    start = dump_deque_iterator(addr + 16)    finish = dump_deque_iterator(addr + 16 + 32)    assert start['last'] == finish['last'] and start['first'] == finish['first'] and start['map'] == finish['map']    assert (finish['cur'] - start['cur']) % delta == 0    ptr = start['cur']    index = 0    result = {}    while ptr != finish['cur']:        result[index] = ptr        index += 1        ptr += delta    return result def dump_string(addr):    data = ida_bytes.get_qword(addr)    length = ida_bytes.get_qword(addr + 8)    return ida_bytes.get_bytes(data, length).decode() def dump_hashtable_map(addr):    addrs = set()    hash_table = ida_bytes.get_qword(addr)    table_num = ida_bytes.get_qword(addr + 8)    for i in range(table_num):        link_list = ida_bytes.get_qword(hash_table + 8 * i)        if link_list == 0:            continue        ptr = ida_bytes.get_qword(link_list)        while ptr != 0:            assert ptr != idaapi.BADADDR            addrs.add(ptr)            ptr = ida_bytes.get_qword(ptr)    result = {}    for a in addrs:        result[ida_bytes.get_qword(a + 8)] = a + 16    return result type_list = ['deque', 'map', 'hash_map', 'deque', 'map', 'map', 'hash_map', 'hash_map', 'map', 'map', 'hash_map', 'map', 'map', 'deque', 'deque', 'map', 'map', 'map', 'map', 'map', 'map', 'map', 'map', 'map', 'map', 'map', 'deque', 'deque', 'string']  def dump_dfs(depth, addr):    stl_type = type_list[depth]    tmp = {}    if stl_type == 'map':        tmp = dump_rbtree_map(addr)    elif stl_type == 'hash_map':        tmp = dump_hashtable_map(addr)    elif stl_type == 'deque':        next_type = type_list[depth + 1]        tmp = dump_deque(addr, size_table[next_type])    elif stl_type == 'string':        return dump_string(addr)    else:        assert False    node = {}    for k, v in tmp.items():        node[k] = dump_dfs(depth + 1, v)    return noderesult = dump_dfs(0, 0x7FFEA5D3A460)import jsonwith open('json_data.txt','w+') as f:    json.dump(result, f)#dump_rbtree_map(0x55F47B277658)

最后得到如下数据文件,是一个dict的嵌套,最后保存的是字符串。

最后main函数通过对比字符串,来判断我们输入的一系列数字是否能够访问到对应的字符串,从而判断数字是否正确。

最后根据dump出的dict从而写出dfs查找出对应的数字序列,从而获得flag。

target = '8850a16d-e427-446e-b4df-5f45376e20e4'path = []def dfs(depth, node):    global path    if type(node) == dict:        for k, v in node.items():            path.append(k)            dfs(depth + 1, v)            path.pop()    else:        if node == target:            print(path)import jsonf = open('json_data.txt','r')data = json.load(f)f.close()dfs(0, data)

看雪ID:R1mao

https://bbs.kanxue.com/user-home-948449.htm

*本文由看雪论坛 R1mao 原创,转载请注明来自看雪社区

# 往期推荐

1、RCTF2022-MyCarsShowSpeed 题目分析

2、MRCTF2022 stuuuuub 题解

3、CS-exe木马分析

4、APT 摩诃草样本分析

5、初探DLL注入

6、Redis常见利用方法

7、一道pwn题解析之jarvisoj_fm

8、Windows内核模糊测试之IoControl Fuzz

球分享

球点赞

球在看

点击“阅读原文”,了解更多!


文章来源: http://mp.weixin.qq.com/s?__biz=MjM5NTc2MDYxMw==&mid=2458494026&idx=1&sn=66ef0d159bc60c1d926af4185b4aebb0&chksm=b18e94c086f91dd6fb185eca30dc420820b2ba7e04fa70f5ecd6a3ce98458647e8fb882739d5#rd
如有侵权请联系:admin#unsafe.sh