angr BVS转llvm ir
## 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**
> 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。
## 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。
## 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**
-----------------------------------------------------------------------------------
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*
```python
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
def _visit_value(self, expr):
if expr.op == 'BVV':
self.cur = self.new_value(ir.Constant(ir.IntType(expr.size()), expr.args), expr)
else:
self.cur = self.new_value(self.func.args], 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(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)
v0 = self.cur
self.cur = self.new_value(unop_llvm(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
low = expr.args
self._visit_ast(expr.args)
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
self._visit_ast(expr.args)
v0 = self.cur
self.cur = self.new_value(self.builder.zext(self.get_value(v0), ir.IntType(length + expr.args.size()), name = "node" + str(self.node_count)), expr)
self.node_count += 1
pass
def _visit_signext(self, expr):
length = expr.args
self._visit_ast(expr.args)
v0 = self.cur
self.cur = self.new_value(self.builder.sext(self.get_value(v0), ir.IntType(length + expr.args.size()), name = "node" + str(self.node_count)), expr)
self.node_count += 1
pass
def _visit_rotateleft(self,expr):
bit = expr.args
self._visit_ast(expr.args)
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
self._visit_ast(expr.args)
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 = c
c += 1
items = sorted(self.args.items(),key=lambda x:x)
print("Function arguments: ")
print(items)
type_list = []
for i in items:
type_list.append(ir.IntType(i.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
## 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。 #sky# 发表于 2022-3-24 10:49
除了angr 还有什么框架用来处理ollvm
平坦化的话，感觉只要是能够模拟执行的话都能够去掉，而虚假控制流可能需要符号执行了，angr或者triton hzwang1966 发表于 2022-3-26 15:09
请问用angr分析 大应用 会导致状态空间爆炸吗？
会的，主要是路径太多了，最好想办法限制一下 mark 求带 这个教程内容真不错，不过我水平不够，不是很懂，还需要继续学习，谢谢分享了 angr BVS转llvm ir，方法很巧妙 来学习学习 angr BVS，很不错哦，赞 谢谢分享，大神代码分享真强 目前看不懂， 不过先收藏了， 加入待学习列表 学习了，思路不错，受益匪浅 感谢分享