一种基于编译器的的JS混淆及反混淆方案

阿特伍德定律指出，“任何可以用JavaScript来写的应用，最终都将用JavaScript来写”，5G的到来将导致大量的应用不再native化，而从云端直接下载，JS作为与用户交互的入口，大有一统所有编程语言的势头。

很多大公司如华为，正在为5G时代的大前端，还有物联网迫切需要的更高效的JS编译器进行超前的研发。

但JS表现出强大的统治力的同时，也面临着十分严峻的安全问题：代码直接暴露在浏览器中，因此对JS代码实施保护迫在眉睫。

本文将从JS代码的混淆和反混淆两个方面，探讨JS代码的保护机制。                

一、JS代码保护若干技术难点 

1、前端环境的复杂。以安卓端为例，不同版本的安卓系统，对webview的对JS代码调用逻辑也不同，给加密功能的开发带来很大挑战。

2、JS的标准在不停迭代。类似于python2,3的区别，JS也分成不同版本，保护方案如何能兼容不同的标准。

3、单线程与异步机制。尽管可以勉强实现前端的多线程，但是绝大部分情况下，浏览器内核单线程执行JS代码，异步编程给安全开发人员提出了新的难题。

二、调研和评估几种技术路线

我曾调研评估过以下几种可能的选择：

1、对安卓系统源码中对关键函数进行Hook，在JS文件加载前将其解密。虽然需要适配不同版本，但是有hook技术和源码研究的技术储备。

2、类似之前分层加密引擎的加密方案。

3、走编译器路线，缺点是没有编译器经验，风险大。

4、找一个基于LLVM的JS的编译器parser，先将JS转成IR；接着用ollvm混淆后，再转回JS代码。但事实是，但调研后发现能把IR转JS， JS貌似没法转IR。也找到一个，但是好像没有经过时间检验，不敢用。

5、直接再开源项目JavascriptObfuscator基础上做二次开发。但是该工程入口代码被混淆，逻辑框架大量使用很吃经验的写法，还是typrscript。在当时没有足够JS代码经验的情况下，暂时降低该方案的优先级。

三、如何确定方案

之前我曾和老领导一起实现过一个循环递归加密引擎，本质上是自己实现一个简化的编译器前端。后来老领导跳槽出去赚大钱了，我只能独自维护这个项目，越往后越发觉这个引擎适用的范围比较小。

如果继续下去，必须写更详细的词法分析，这之前被简化的部分现在是不得不正面硬刚。

新方案调研过程中，我自己看UglifyJS的AST遍历框架源码。当我看到当前字母是p时接下来要判断29种不同情况时，我突然意识这条路大反向可能是错的。

如果仅仅是词法生成器阶段就有这么多种case要处理，后面如果再遇到更特殊的语法组织形式呢？有未知的问题呢？

我是第一次学JS，我的视野一定是不全面的，一定会遇到很多未知的问题。一旦出现问题我的方案有后路吗？大方向上能继续兼容其他方案吗？这个技术路线能覆盖多大的攻击面？

我深感这方案没有任何退路可走。向前几乎无路可走，向后无路可退，总之在没深入了解掌握JS这门语言前，不能低估JS语法的复杂性和特殊性，想搞JS保护，首先要会写JS，不能用C来搞。

无论是继续之前的方案，还是未将来新方案做打算，我都需要引入成熟的编译器，这是目前我能选择的既能打好基础，又能兼顾未来新方案的选择。要扎实的稳健的推进，厚积薄发。

为了解决这些问题，一方面，由于从未学过编译原理，我得在网上学习《编译原理》相关课程，但是学术界的课程真的适合实际工程吗？为了快速做出判断，我以快进方式学习2倍速快放，经过三天学习网课《编译原理》后，我得出了然并卵的结论。继续学下去只能纠结在无关的细节上。

另一方面，我开始自学JS，推荐学习网易云课堂《JavaScript前端开发》。同时我开始开始尽可能收集网上的UglifyJS的例子，看别人的代码能否有帮助。但是把全网找遍了发现居然没有多少能利用的样本。

半个月过去，3条路有2条是废了，除了继续学习JS外我无从做起，研发一筹莫展。这时，我的老领导突然发来一个链接，说她最近在做JS反混淆，这个链接也是关于反混淆的，也许对我有帮助。

老领导出去赚大钱也不忘小弟我呀！我点进去一看，立即心花怒放，这是一篇从反混淆的角度运用编译器的案例，里面包含了一些语法树操作。即便不多，但我就像抓住救命稻草一样扑了上去，如饥似渴的吸收着。

老领导真是我的福星。看完这篇文章，深感编译器存在目的在于，将所有JS代码按照统一的形式：抽象语法树AST进行组织和操作。此时我无需纠结编译器如何将其组织起来，因为词法分析器已经写好，我现在要尽可能的归纳和总结，编译器的组织规则，试图“看到”内在的规则。前方的路仿佛种豁然开朗，必须马不停蹄的向前推进。

经过不断努力，我总算搞清楚了语法树的组织规则，总结就是，“自上而下，层层包裹”。

四、如何研究AST

什么意思？请看一个具体例子console.log(“hello world”)。

上图是这行代码的AST。我们看到，Program，ExpressionStatment，CallExpression是对这单行代码更上层的封装，而这句话这句话本身是一个CallExpression，他里面包含了MemberExpression以及arguments，分别对应了console.log和(“hello world”)。

我们把所有的节点都详细打印出来，这里我使用的编译框架是esprima，大家可以选择uglifyjs等其他遍历工具。

再看一下输出结果：

**this is new node***
{ type: 'Identifier', name: 'console' }
***this is new node***
{ type: 'Identifier', name: 'log' }
***this is new node***
{ type: 'MemberExpression',
computed: false,
object: { type: 'Identifier', name: 'console' },
property: { type: 'Identifier', name: 'log' } }
***this is new node***
{ type: 'Literal', value: 'hello world' }
***this is new node***
{ type: 'CallExpression',
callee:
{ type: 'MemberExpression',
computed: false,
object: { type: 'Identifier', name: 'console' },
property: { type: 'Identifier', name: 'log' } },
arguments:
[ { type: 'MemberExpression',
computed: false,
object: [Object],
property: [Object] } ] }
***this is new node***
{ type: 'ExpressionStatement',
expression:
{ type: 'CallExpression',
callee:
{ type: 'MemberExpression',
computed: false,
object: [Object],
property: [Object] },
arguments: [ [Object] ] } }
***this is new node***
{ type: 'Program',
body: [ { type: 'ExpressionStatement', expression: [Object] } ] }

打印出几个关键的节点，初看一定是懵逼的。如何研究呢？我们要仔细观察和总结不同类型节点，体会它表征特定的信息，以及遍历顺序，直到能“看到”数据流动的规律为止。

这个过程中我们需要熟悉每一类节点定义，这需要我们去下载官方的文档，需要良好的英文阅读能力。还需要熟悉遍历顺序背后的逻辑，这需要我们精心构造各种样本，输入语法树遍历函数，自己归纳总结，找出背后的规律。    

初步熟悉了AST后接下来我将选择3个混淆功能，从混淆以及反混淆两个方面，揭示JS代码保护以及破解的秘密。

五、功能1：转义

转义是将对象的方法名转义。形如console.log => console[log]。如何实现这一功能呢？再把demo改成console[log]，看看他的语法树长啥样，，依然是上面的代码。

**this is new node***
{ type: 'Identifier', name: 'console' }
***this is new node***
{ type: 'Identifier', name: 'log' }
***this is new node***
{ type: 'MemberExpression',
computed: false,
object: { type: 'Identifier', name: 'console' },
property: { type: 'Identifier', name: 'log' } }
***this is new node***
{ type: 'Literal', value: 'hello world' }
***this is new node***
{ type: 'CallExpression',
callee:
{ type: 'MemberExpression',
computed: false,
object: { type: 'Identifier', name: 'console' },
property: { type: 'Identifier', name: 'log' } },
arguments:
[ { type: 'MemberExpression',
computed: true,
object: [Object],
property: [Object] } ] }
***this is new node***
{ type: 'ExpressionStatement',
expression:
{ type: 'CallExpression',
callee:
{ type: 'MemberExpression',
computed: false,
object: [Object],
property: [Object] },
arguments: [ [Object] ] } }
***this is new node***
{ type: 'Program',
body: [ { type: 'ExpressionStatement', expression: [Object] } ] }

唯一的差别，就是“computed:true”和“computed:false”。

安卓系统里，java层的每一个方法都对应着native层的一个结构体，一个著名的结构体，叫ArtMethod。熟悉hook框架的人一定不陌生。这个结构体是安卓6以上进行hook的关键，怎么hook呢？

有将hook整体替换的，有把结构体里entryaddress里换掉自己定义的函数的，还有结构体什么都不改，直接把entryaddress指向的代码直接换掉的。总之就是一个字：换。

这里和hook框架的思路是一样的，也是换。我们要换掉的，是一个节点。怎么换？和hook框架一样，有部分换，有整体换。这里就是关键点了，和上图可视化的比较可知，我们的console.log是一个MemberExpression型结点。

只要在遍历函数里找到这个类型的节点再进行等价替换就好了。既然节点前后的差别只有“computed:true”和“computed:false”，那么是不是把这个属性的值换成true就可以呢？

但是怎么换呢？直接修改字段值可以吗？网上没有任何AST修剪案例，但是为什么不能多尝试几次呢？从对象里的几个属性开始，一个个尝试，观察结果，在不断失败中总能找到规律的！

经过尝试，基本找出了规律，以下是esprima框架下的核心代码：

结果是：

OK，这个功能基本开发完成。还剩屏蔽一些特殊情况了，想做成成熟的商业产品，你需要构造各种特殊的测视例子，去测试你的语法树变换后的代码能不能正常运行。测试例构造的越好，走的弯路就越少。

六、功能2：方法名称的转码

console[log]还可以等价变换为console[‘\x6c\x6f\x67’]。请注意，MemberExpression节点是如何定义的。

{ type: 'MemberExpression',
computed: false,
object: { type: 'Identifier', name: 'console' },
property: { type: 'Identifier', name: 'log' } }

如果把这个节点视为一个对象，那么通过对象的属性可知，name是对象里真正的存储值的，那么是不是把name改成我们想要的值就可以了呢？

答案是大部分情况是可以的，至于那些情况特殊需要在自测中不断总结，完善需要花时间。下面给出主体代码:

第二个功能也顺利实现：

Console.log() => console[‘\x6c\x6f\x67’]

七、第三个功能：字符串隐藏

什么是隐藏？隐藏就是将被加密转码后的代码存放到一个全局数组中，再把原来的代码替换成数组的索引的过程。事实上大名鼎鼎的JS混淆器：JavascriptObfuscator就使用该项技术。那么怎么才能实现呢？

在开发隐藏技术时，我感到存放在全局数组时，可能会被一般的反混淆脚本还原，因为大家都用这种技术，于是我想能不能放在全局对象里，用对象引用属性的方式替换数组下标索引从而起到规避反混淆脚本的作用。只要数据结构稍微变化一点，反混淆脚本立即失效，也打出了自己的特色。

我的做法是：

首先找出符合特定要求的字符串（不是所有的字符串都可以这么做），生成一个独一无二的名字：

接着定义一个全局对象，将这个名字作为全局对象的一个属性。

修改AST节点。

之后再将这个存在于内存中的全局对象转换成代码附加再JS文件开头即可。

说干就干，直接替换。成功了！

八、反混淆的实现

如果混淆可以用语法树，那么反混淆呢？是不是反过来就可以呢？

先将被转码的字符串还原。这里有个小技巧：esprima和uglifyjs只要把他转成语法树，再从语法树转回代码，会自动将转码值变回原来的。

然后构建一个hashmap，键是形如：对象.属性，值是被还原的值。注意对象是之前那个全局对象。

然后找到所有的MemberExpression节点将所有的computed由true改成false，构建一个循环，遍历代码依此从hashmap里查找有没有键的存在，如果存在就将键替换成对应的值，完成反混淆。

九、总结

无论多么复杂的功能，只要最基本的操作掌握了，后面复杂的操作多花点时间都能解决。但是从无到有的这个过程锻炼了我独立解决问题的能力。

我还独立实现了局部变量重命名，全局变量重命名，移除调试信息（断点，控制台指令，注释）字符串加密，甚至我把对象的属性做了转义加隐藏，类似这样：

var _0xQWERFXX = {"selfName":"_0xQWERFXX","_0xtAub":"\x6c\x6f\x67"};

console[_0xQWERFXX._0xtAub]("hello world");

最后结果是一次性通过所有测试，我们小组长亲自做的测试，测完一个问题没有。他都不敢相信是这个结果，说没有问题就是最大的问题。哈哈。

- End -

看雪ID：amzilun 

https://bbs.pediy.com/user-803510.htm  

本文由看雪论坛 amzilun 原创

转载请注明来自看雪社区

往期热门回顾

﹀

﹀

﹀

京华结交尽奇士，意气相期矜豪纵。今夏与君相约看雪，把酒言欢，共话安全技术江湖梦。

↙点击下方“阅读原文”，查看更多干货