Galgame汉化中的逆向 (一)：文本加密（压缩）与解密
本帖最后由 小木曾雪菜 于 2020-7-7 17:04 编辑# Galgame汉化中的逆向 (一)：文本加密（压缩）与解密
## 0x0 前言
看到关于游戏汉化相关的逆向教程挺少的，作为某汉化组的成员也帮过别的汉化组，于是就想把我见到的几个典型的例子整理分析一下，还是挺有意思的。此教程和我在贴吧和隔壁发的一样。
## 0x1 观察与定位
这个游戏还是很典型的，cpk封包，文本应该在sn.bin里面。
打开一看没有明显的字符，而且数据看起来很紧凑，应该是压缩或者加密了。
相比与主机游戏ida费劲的静态分析，pc动态调试真是太舒服了。
找文本很简单，等游戏运行起来后直接暂停，搜索内存sjis字符串。比如说“椿子”。
然后记住这个地址（或附近的某个），下硬断点write，重新启动游戏运行，游戏中断在这里。
## 0x2 解密函数观察
然后顺腾摸瓜，我们能看到了解密函数，只不过这个游戏奇怪，
用了eax和ecx传参（之后分析这个应该是指向了全局变量)，
进一步分析发现eax应该是解密后的缓冲区，ecx是sn.bin文件缓冲区。
这里提取解密后的文本可以直接memdump了，
其实汉化游戏我们甚至可以不管它用了什么加密，直接hook这里然后替换为其他缓冲区。
但是这样就没有分析的意义了，为了练习和游戏封包兼容性，我们最好还是要去分析算法。
## 0x3 反汇编初步分析
怎么进行反汇编？
方便的办法是直接用ida的f5，但是这里我不想太依赖插件，就去直接看汇编代码了。
如果写汇编程序不多的可以先用c语言写一个接近汇编的版本，测试结果正确后，
然后再从这个版本中继续写一个接近于人写的程序（合并中间变量，改变量名），这样就方便逆向算法了。用接近汇编的C语言如下：
```C
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
typedef unsigned int DWORD;
typedef unsigned char BYTE;
size_t decrypt_asm(BYTE* dst, BYTE *src, size_t src_size) //445f40, dst=eax, src=ecx
{
BYTE *buf=(BYTE*)malloc(3*src_size); //6975F28
BYTE *edi = src;
BYTE *esi = dst;
DWORD t1, t2, t3; //, ,
DWORD eax, ebx, ecx, edx;
ebx = *(DWORD*)edi + (DWORD)esi; //edge
t2 = ebx;
edi += 4;
memset(buf, 0, 0xFEE);
eax = 0XFEE;
edx = 0;
while(1)
{
edx >>= 1;
t1 = edx;
if (!(edx & 0x100)) // 00 01
{
edx = *edi;
edi++;
edx |= 0xff00;
t1 = edx;
}
ecx = *edi;
if ((BYTE)edx & 1)
{
buf = (BYTE)ecx;
eax++;
*esi = (BYTE)ecx;
esi++;
edi++;
eax &= 0xFFF;
if(esi >= ebx)
{
free(buf);
return (size_t)(ebx-(DWORD)dst);
}
}
else
{
edx = *(edi+1);
ebx = (edx & 0XF0)<<4;
ecx |= ebx;
edx &= 0xF;
ebx = edx+ecx+2;
edi += 2;
t3 = ebx;
ebx = t2;
edx = ecx;
if(ecx>ebx)
{
edx = t1;
continue;
}
do{
ecx = edx & 0xFFF;
ecx = buf;
buf = (BYTE) ecx;
eax ++;
(*esi) = (BYTE) ecx;
esi++;
eax &= 0XFFF;
if(esi >= ebx)
{
free(buf);
return (size_t)(ebx-(DWORD)dst);
}
edx++;
} while (edx<=t3);
edx = t1;
}
}
}
```
## 0x4 算法进一步分析
初步分析后，我们大概熟悉了算法流程。
然后可以用c语言写一个人能理解的版本了:
```c
size_t decrypt(BYTE* dst, BYTE *src, size_t src_size)
{
BYTE *buf=(BYTE*)malloc(0x1000);
BYTE *cur_src = src;
BYTE *cur_dst = dst;
BYTE *end_dst =(DWORD)cur_dst + *(DWORD*)cur_src;
DWORD idx_buff, i, last, c1, c2;
cur_src += 4;
memset(buf, 0, 0xFEE);
idx_buff = 0XFEE;
c1 = 0; //index byte
while(1)
{
c1 >>= 1;
if (!(c1 & 0x100)) // c1 bit is 0, it means do 8 times
{
c1 = *cur_src;
c1 |= 0xff00; //make a mark, and to 16bit
cur_src++;
}
if ((BYTE)c1 & 0x1) //copy to buf directly
{
buf = *cur_src;
*cur_dst = *cur_src;
idx_buff++;
idx_buff &= 0xFFF; //cicle buffer
cur_dst++;
cur_src++;
if(cur_dst >= end_dst)
{
free(buf);
return (size_t)((BYTE*)end_dst - dst);
}
}
else
{
c2 = *(cur_src+1); //index byte2
i = *cur_src | ((c2 & 0XF0)<<4); //use c1 and c2 (higher 4bits) to determine index
last = (c2 & 0xf) + i +2; // length = c2 lower 4bit, 2 without length 2 chars
cur_src += 2; //c1, c2 two index byte
if(i > end_dst)
{
continue;
}
do
{
buf = buf;
*cur_dst = buf;
idx_buff++;
idx_buff &= 0xFFF;
cur_dst++;
if(cur_dst >= end_dst)
{
free(buf);
return (size_t)((BYTE*)end_dst - dst);
}
i++;
} while (i <= last);
}
}
}
```
并且可以总结出怎么来解密文本了。
> sn.bin 结构
0x0 size 4
0x4~ data
>data部分第一字节为索引，每一位代表当前byte的状态,
索引为1：直接copy当前byte到环状缓存区
索引为0：则表示当前byte和下一个byte是索引，高12位为位置，低4位为长度。
环状缓存区大小0x1000，起始位置0xFEE。
顺便说一下位运算充当循环遍历的方法吧，
a = 0b0011111， a>>1需要移位5次a=0，则循环次数是5
测试一下文本没问题：
提取出来的文本：
完整代码详见我的github：https://github.com/YuriSizuku/GalgameReverse/
## 0x5 后记
之前在分析psv版ida看了半天也没有找到文本位置，
psv的ida loader真的不好用，好多函数识别不出来，字符串也无法定位，ps4版还稍微好点，至少x64比arm汇编看着要舒服。所以这次来分析一下pc版文本。
定位还算简单，然后又稍微逆向了一下算法，还算比较容易。
**iwaihime psv eboot**
**iwaihime ps4 eboot**
其实对数据比较敏感的看到0x1000，0XFEE就知道这其实不是加密，
就是LZSS的压缩，游戏里就是原封不动的把源码复制过去了。
我分析完算法后还以为是变种的RLE结果再仔细想想竟然就是LZSS，以前只是简单了解，
这次逆向算法后基本上对LZSS有了更深刻的了解了。 汉化真是不容易，我想到了某万花镜{:1_893:} wangyujie96 发表于 2020-6-6 15:02
硬断write有个疑问，内存不是动态分配的吗，重启程序应该会变动的，为何这里还能正确断下？
虽然是动态范围，但文本缓存区还是有比较大的内存空间，我们不需要精确到单字符，只要它落到对应的范围就行了。两次申请到的范围很可能有重叠的，所以我才说在这个字符附近下断点。如果不行，就在后面解密文本下访问断点。 体会到游戏汉化组的艰辛了..... 汉化的艰辛 lzss的变种，一般都是初始化fee个00或者20，然后开始解压
还有的不初始化直接解压，这些一般的区别只是从高位判断还是低位判断，0是压缩还是1是压缩而已而已
对了，有的还是双字节解压:lol 像极了pxxx的译者，上楼也不气喘了，身体也壮了，电脑技术也高了 感谢楼主分享经验 kof888 发表于 2020-6-6 11:42
lzss的变种，一般都是初始化fee个00或者20，然后开始解压
还有的不初始化直接解压，这些一般的区别只是从 ...
搞完后整体分析是这样的，但是在搞的时候时候我并不知道lzss算法，所以才决定要好好分析一下算法。 学习一下了 向各位伟大的汉化组成员致敬{:1_921:}