记一次WSL1中Segmentation fault问题的调试

nob

概要：在实机和虚拟机中都能正常运行的Linux程序放到WSL1中却秒报Segmentation fault退出。通过尝试学习Linux下的动态调试工具并配合IDA静态分析，找到了vsyscall这一问题根源（WSL1的一个小坑）。之后通过替换为syscall解决了问题，使程序在WSL1中成功运行。

1. 背景介绍：主机系统Win10，时常运行第三方虚拟机。因为微软自家的虚拟机平台会妨碍第三方虚拟机诸如AVX指令集等的特性传递，所以关闭了相应的功能，从而无法使用WSL2，但WSL1没有问题，而且轻便高效，与“正经”的Linux虚拟机可以相安无事、相得益彰。
      然而，Linux下的某个单纯的CLI计算程序，按说应该很适合放在WSL1中运行，却一运行就报Segmentation fault。虽然放在虚拟机里运行也没有很大影响，但是作为一个折腾爱好者，还是很想搞明白这个问题，并尝试解决一下。


2. 问题定位：本人还是逆向新手，懂一点汇编，用WinDbg和IDA复现过一些简单的逆向操作，但是对理论了解很少，而且不太会自动化。这次的程序倒没有脱壳之类的问题，而首先要解决的是找到Linux下的合适工具。因为是这几天现找现学的，所以用得比较粗浅笨拙，希望各位不要见笑。
      第一个工具是strace，可以跟踪程序的系统调用和信号传递，通过加上-i参数，还能显示出系统调用时指令指针的位置。从strace的输出结果，我看到程序有一个正常的开始，经过若干正常的系统调用后，最终以如下方式结束。

[Shell] 纯文本查看 复制代码

......
[0000000001c1b730] read(4, "", 4096)    = 0
[ffffffffff600400] --- SIGSEGV {si_signo=SIGSEGV, si_code=SEGV_MAPERR, si_addr=0xffffffffff600400} ---
[????????????????] +++ killed by SIGSEGV (core dumped) +++
Segmentation fault (core dumped)

      从中可以看到Segmentation fault的更进一步信息：代码是SEGV_MAPERR，大意是内存映射错误；对应地址是0xffffffffff600400，按我理解是一个“明显溢出”的地址。马后炮的说，如果我当时就去百度一下这个地址，应该能更早定位这个问题。
      为了搞清这个“指针溢出”是怎么发生的，我下一步想要进行动态调试，这就轮到第二个工具——gdb了。不过首先要解决gdb找不到调试符号的问题。

      首先使用info files命令找到程序的入口地址Entry point: 0x400400，然后用break *0x400400下断点，再执行run就会停在程序入口，之后就能执行各种单步运行、下断点、反汇编的指令了。之前strace得到的指令地址也可以用来下断点，有助于尽快接近结束位置。一顿操作之后，找到了这段代码：

[Asm] 纯文本查看 复制代码

0x0000000001c5a4e0:  sub   rsp, 8
0x0000000001c5a4e4:  mov   rax, 0xffffffffff600400
0x0000000001c5a4eb:  call   rax
0x0000000001c5a4ed:  add   rsp, 8
0x0000000001c5a4f1:  retn

3. 成因解释：和我预想不同，那个“明显溢出”的地址并非由程序错误导致，而是写死在代码里的。而且在这段代码下面还有一段类似的访问0xffffffffff600000的代码。这个发现促使我重新去审视这两个地址的意义，经过搜索，参考这篇文章才得知这是linux内核在ffffffffff600000-ffffffffff601000预留的vsyscall位置，封装了3个系统调用函数gettimeofday, time和getcpu，借用一张图：

使用cat /proc/self/maps命令，可以看到区别：
在可以运行的系统中：

[Shell] 纯文本查看 复制代码

......
7f60750ee000-7f60750ef000 rw-p 00000000 00:00 0 
7ffec1210000-7ffec1231000 rw-p 00000000 00:00 0                          [stack]
7ffec1238000-7ffec123b000 r--p 00000000 00:00 0                          [vvar]
7ffec123b000-7ffec123d000 r-xp 00000000 00:00 0                          [vdso]
ffffffffff600000-ffffffffff601000 r-xp 00000000 00:00 0                  [vsyscall]

在WSL1中：

[Shell] 纯文本查看 复制代码

......
7f72aaaa0000-7f72aaaa1000 rw-p 0000a000 00:00 273107             /usr/bin/cat
7fffe3d60000-7fffe3d81000 rw-p 00000000 00:00 0                  [heap]
7fffea617000-7fffeae17000 rw-p 00000000 00:00 0                  [stack]
7fffeb056000-7fffeb057000 r-xp 00000000 00:00 0                  [vdso]

可知WSL1没有映射vsyscall这段，这就是导致Segmentation fault的原因。

4. 问题解决：了解成因后也找到了相关的issue，只是现在已经被关闭了。关闭的理由是WSL2已经可以设置内核选项 kernelCommandLine = vsyscall=emulate 来修复这个问题，而WSL1就没人管了。好在定位了问题以后，解决方案也比较明确了：只要把vsyscall的调用都换成syscall就行了。rax中的地址换成对应的系统调用序号（可以在 /usr/include/x86_64-linux-gnu/asm/unistd_64.h 中找到），call换成syscall (0F05)，其它寄存器等都是兼容的不用修改。



这一修改不改变指令长度，完成gettimeofday和time对应的两处修改后程序在WSL1中成功运行。

PS：现今的多数内核也需要添加启动参数vsyscall=emulate才会映射vsyscall，否则一样会Segmentation fault。隐约记得早先装虚拟机时为了补救Meltdown补丁导致性能下降的问题加了这个参数，没想到隔了这么久又遇到了。

nob

这几天又用gdb调试了另外一个SIGILL的问题，错误代码是ILL_ILLOPN（非法操作数）。
发现其实没必要下断点、单步调试。
可以直接在gdb中run到程序收到异常终止信号，而此时程序并不会立即终止，仍可以在gdb中进行各种调试操作。
例如用backtrace命令（简写为bt）查看栈，就能立即定位到函数调用的来源，再结合反汇编等操作就能快速找到问题的来源了。

主楼中调用vsyscall的问题大概只有几年前的程序会遇到，例如主楼中这个程序应该是2016年的。
可以理解内核参数vsyscall=emulate就是为了兼容这些旧版程序。

PS: 这次遇到的SIGILL的问题是一个近期的开源程序，调试找到的问题原因是老电脑CPU不支持BMI2指令集……
发布的二进制程序用不了，好在可以自己编译解决。
不得不意识到时间跨度带来的各种兼容性问题。

Mayrain555

感叹系统的事儿真是如同黑箱，报错的原因可能只是因为很小的一个问题。受益良多。