angr符号变量转LLVM IR

本文为看雪论坛优秀文章
看雪论坛作者ID：R1mao

一

前言

之前看到过国外的一篇文章。关于如何处理虚拟机的，并给出了针对tigress虚拟机的攻击方法。

具体是这样处理的：

• 装载目标文件
• 初始化一些hook
• 对虚拟机函数进行符号执行，获取各种符号变量
• 将符号变量转化成llvm的ir
• 使用llvm编译优化重编译

后面那作者还研究出来了攻击VMP的方法，具体可以参考。
https://github.com/JonathanSalwan/VMProtect-devirtualization

这个方法确实很巧妙，但是使用的triton，然而其python接口基本没有说明。属实劝退。

二

angr？

观察下具体的实现，发现是将triton处理出的符号变量的expr进行遍历，然后将某些语义节点转化为对应的llvm ir。从而实现了将expr lift到llvm的ir。然后就可以享用llvm自带的丰富的优化pass了。

由于triton的学习成本较大（x，所以我们可以采用更加简单的符号执行工具angr。同样的angr也使用树结构来描述一个符号变量。然后将其转化成llvm的ir。

三

claripy？

众所周知，angr的约束求解框架前端是claripy，执行出来的符号变量被claripy表示出来，然后交给后端的约束求解引擎，例如z3。

claripy的表示中有很多种操作，这里列出两种常见又难以处理的操作。

• concat，将两个符号变量链接
• extract，提取符号变量中的某几位。

由于使用python编写，所以考虑使用llvmlite来构建llvm的ir。安装过程略。

对于一些其他的算数指令，可以直接将其映射到llvm的某个指令上去，而对于上面两个稍微复杂的操作，考虑直接用位运算来表示。

这里是一张图，表示了claripy下的某个符号变量：

concat

链接a和b两个变量

concat(a,b)
c = (zext(a, size(a) + size(b)) << size(b)) | (zext(b, size(a) + size(b)))

将两个符号变量扩展到两个符号变量位数之和，然后将前面的变量左移后面变量的位数，然后或上后面的那个变量即可实现两个符号变量的链接。该运算在angr中表示为a..b

extract

提取a变量的第l位到第h位。

extract(a,l,h)
y = (a & bitmask) >> (h - l + 1)

先将变量与上一个bitmask，可以与出对应的数据，然后一位，让数据从低0位开始，最后trunc截取一下长度。该运算在angr中表示为a[l:h]。

这样就可以做到将所有的操作用llvm的ir表示出来，接下来要做的就是遍历获取的expr的ast，然后边遍历边构造llvm的ir。出来又在run一下llvm自带的优化。

直接上代码：

解释一下，lifter是一个visitor，遍历ast，然后在某个节点应用对应的处理函数，cur则代表当前节点对应的值(对应LLVM的Value概念)。所以先visit子节点，调用函数结束的时候cur就是子节点对应的value，然后可以继续构造当前节点的value。

当节点是BVS或者是BVV时停止向下访问，然后分别处理其他未知变量和常量。未知变量设定为llvm的函数参数，常量可以直接提取出来，转化成llvm ir中的常量。

import angr
import claripy
from llvmlite import ir
import llvmlite.binding as llvm
unop_llvm = {
    '__invert__':ir.IRBuilder.not_,
    '__neg__':ir.IRBuilder.neg
}
binop_llvm = {
    '__add__':ir.IRBuilder.add,
    '__floordiv__':ir.IRBuilder.udiv,
    'SDiv':ir.IRBuilder.sdiv,
    '__mul__':ir.IRBuilder.mul,
    '__sub__':ir.IRBuilder.sub,
    '__mod__':ir.IRBuilder.urem,
    'SMod':ir.IRBuilder.srem,
    '__and__':ir.IRBuilder.and_,
    '__or__':ir.IRBuilder.or_,
    '__xor__':ir.IRBuilder.xor,
    '__lshift__':ir.IRBuilder.shl,
    '__rshift__':ir.IRBuilder.ashr,
    'LShR':ir.IRBuilder.lshr
}
signed_op = ['SDiv','SMod']
supported_op = ['Concat','ZeroExt','SignExt','Extract','RotateLeft','RotateRight'] + list(unop_llvm.keys()) + list(binop_llvm.keys())
supported_type = ['BVV','BVS']
class lifter:
    def __init__(self):
        self.expr = None
        self.cur = None
        self.count = 0
        self.value_array = []
        self.builder = None
        self.func = None
        self.args = {}  
        self.node_count = 0
 
    def new_value(self, value, expr):
        assert value.type.width == expr.size()
        n = self.count
        self.value_array.append(value)
        self.count += 1
        return n
 
    def get_value(self, idx):
        return self.value_array[idx]
 
    def _visit_value(self, expr):
        if expr.op == 'BVV':
            self.cur = self.new_value(ir.Constant(ir.IntType(expr.size()), expr.args[0]), expr)
        else:
            self.cur = self.new_value(self.func.args[self.args[expr]], expr)
        pass
 
    def _visit_binop(self, expr):
        left = None
        for a in expr.args:
            self._visit_ast(a)
            if left is None:
                left = self.cur
            else:
                v = self.cur
                lhs = self.get_value(left)
                rhs = self.get_value(v)
                self.cur = self.new_value(binop_llvm[expr.op](self.builder, lhs, rhs, name = "node" + str(self.node_count)), expr)
                left = self.cur
                self.node_count += 1
        pass
 
    def _visit_unop(self, expr):
        self._visit_ast(expr.args[0])
        v0 = self.cur
        self.cur = self.new_value(unop_llvm[expr.op](self.builder, self.get_value(v0), name = "node" + str(self.node_count)), expr)
        self.node_count += 1
        pass
 
    def _visit_concat(self, expr):
        left = None
        for a in expr.args:
            self._visit_ast(a)
            if left is None:
                left = self.cur
            else:
                v = self.cur
                lens = self.get_value(left).type.width + self.get_value(v).type.width
                val0 = self.builder.zext(self.get_value(left), ir.IntType(lens))
                val1 = self.builder.zext(self.get_value(v), ir.IntType(lens))
                self.cur = self.new_value(self.builder.or_(self.builder.shl(val0, ir.Constant(ir.IntType(lens), self.get_value(v).type.width)), val1, name = "node" + str(self.node_count)), expr)
                left = self.cur
                self.node_count += 1
        pass
 
 
    def get_bit_mask(self, low, high):
        mask = 0
        for i in range(low, high + 1):
            mask += 2 ** i
        return mask
 
    def _visit_extract(self, expr):
        high = expr.args[0]
        low = expr.args[1]
        self._visit_ast(expr.args[2])
        v0 = self.cur
        val = self.get_value(v0)
        mask = self.get_bit_mask(low, high)
        self.cur = self.new_value(self.builder.trunc(self.builder.lshr(self.builder.and_(val, ir.Constant(val.type, mask)), ir.Constant(val.type, low)), ir.IntType(high - low + 1), name = "node" + str(self.node_count)), expr)
        self.node_count += 1
        pass
 
    def _visit_zeroext(self, expr):
        length = expr.args[0]
        self._visit_ast(expr.args[1])
        v0 = self.cur
        self.cur = self.new_value(self.builder.zext(self.get_value(v0), ir.IntType(length + expr.args[1].size()), name = "node" + str(self.node_count)), expr)
        self.node_count += 1
        pass
 
    def _visit_signext(self, expr):
        length = expr.args[0]
        self._visit_ast(expr.args[1])
        v0 = self.cur
        self.cur = self.new_value(self.builder.sext(self.get_value(v0), ir.IntType(length + expr.args[1].size()), name = "node" + str(self.node_count)), expr)
        self.node_count += 1
        pass
 
    def _visit_rotateleft(self,expr):
        bit = expr.args[1]
        self._visit_ast(expr.args[0])
        v0 = self.cur
        val = self.get_value(v0)
        width = val.type.width
        self.cur = self.new_value(self.builder.or_(self.builder.lshr(val, ir.Constant(val.type, width - bit)), self.builder.shl(val.type, ir.Constant(val.type, bit)), name = "node" + str(self.node_count)), expr)
        self.node_count += 1
        pass
 
    def _visit_rotateright(self,expr):
        bit = expr.args[1]
        self._visit_ast(expr.args[0])
        v0 = self.cur
        val = self.get_value(v0)
        width = val.type.width
        self.cur = self.new_value(self.builder.or_(self.builder.shl(val, ir.Constant(val.type, width - bit)), self.builder.lshr(val.type, ir.Constant(val.type, bit)), name = "node" + str(self.node_count)), expr)
        self.node_count += 1
        pass
 
    def _visit_op(self, expr):
        if expr.op in binop_llvm.keys():
            self._visit_binop(expr)
        elif expr.op in unop_llvm.keys():
            self._visit_unop(expr)
        else:
            func = getattr(self, '_visit_' + expr.op.lower())
            func(expr)
 
    def _visit_ast(self, expr):
        assert isinstance(expr, claripy.ast.base.Base)
        if expr.op in supported_op:
            self._visit_op(expr)
        elif expr.op in supported_type:
            self._visit_value(expr)
        else:
            raise Exception("unsupported operation!")
 
    def lift(self, expr):
        self.expr = expr
        self.count = 0
        self.value_array = []
        self.args = {}
        c = 0
        for i in expr.leaf_asts():
            if i.op == 'BVS':
                self.args[i] = c
                c += 1
        items = sorted(self.args.items(),key=lambda x:x[1])
        print("Function arguments: ")
        print(items)
        type_list = []
        for i in items:
            type_list.append(ir.IntType(i[0].size()))
        fnty = ir.FunctionType(ir.IntType(expr.size()), tuple(type_list))
        module = ir.Module(name=__file__)
        self.func = ir.Function(module, fnty, name="dump")
        block = self.func.append_basic_block(name="entry")
        self.builder = ir.IRBuilder(block)
        self._visit_ast(expr)
        self.builder.ret(self.get_value(self.cur))
        return str(module)

目前并未进行大规模测试，可能存在bug。小测一波。

这是被测试的函数：

测试结果：

四

小结

这里可以想出一个简单vm的处理方法，首先我们找到虚拟机的内存和上下文，将其设置为符号变量，其他内容则初始化为常量，然后开始符号执行，然后提取并化简上下文中的符号表达式，然后重新编译优化即可重建虚拟机的逻辑。

当然这个虚拟机要足够简单，然而虚拟机往往都有跳转语句，符号执行在遇到跳转的时候将变得极其爆炸。生成的表达式也可能极其复杂，llvm的优化也没有用。所以可以考虑分而治之。

找到虚拟机的跳转语句的handler，然后在angr中hook，根据跳转目的地和当前跳转语句地址(控制流生成算法)，能够很好的将虚拟机的opcode构造控制流图，然后针对每一个opcode的basicblock进行符号执行，将上下文全部符号化，然后评估basicblock执行完毕后的上下文的变化，如果发生了改变则可以说明该basicblock干了什么。

然后将这些副作用(表达式)收集起来，则可以代表这个basicblock到底干了什么，最后处理整个控制流图，即可实现程序的重构。这种自动化的虚拟机代码重构，处理能力还比较弱，也只是笔者的一个想法，以后准备细细研究一波。

看雪ID：R1mao

https://bbs.pediy.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

球分享

球点赞

球在看

点击“阅读原文”，了解更多！