代码混淆之道——控制流扁平与不透明谓词理论篇

控制流是指代码执行时指令的执行顺序。在各种控制逻辑的作用下，程序会沿着特定的逻辑顺序执行。一般控制逻辑包括有无条件分支、循环、函数调用等。 本文原创作者：i春秋签约作家——penguin_wwy 一、扁平化的定义 本篇讲代码混淆的一个重要手段，控制流扁平化。 所谓控制流是指代码执行时指令的执行顺序。在各种控制逻辑的作用下，程序会沿着特定的逻辑顺序执行。一般控制逻辑包括有\无条件分支、循环、函数调用等。在正常情况下程序的逻辑非常好理解（代码逻辑不好的程序员都死了。。。），开发过程中有各种人为的行为使代码逻辑清晰，便于维护和扩展。但同时，对于逆向行为来说，清晰的代码逻辑会导致很容易抓住程序重点，加快破解速度。而控制流扁平则是反其道而行将源代码结构改变，使得程序的逻辑复杂不易被静态分析，增加逆向难度。 下面通过一个例子来说明 这是《软件加密与解密》中的示例代码

int modexp(int y, int x[], int w, int n)
{
    int R, L;
    int k = 0;
    int s = 1;
    while(k < w) {
        if (x[k] == 1) {
            R = (s * y) % n;
        }
        else {
            R = s;
        }
        s = R * R % n;
        L = R;
        k++;
    }
    return L;
}

根据上段代码，我们可以画出它的控制流图。 这里我们用if来代替while，这样可以使得逻辑更加清晰。这幅图就是扁平前的效果，可以看到程序基本是从上往下执行的，逻辑线路非常明确。 而当我们对它进行了扁平化处理之后，就变成这样：

int modexp(int y, int x[], int w, int n)
{
    int R, L, s, k;
    int next = 0;
    for(;;) {
        switch(next) {
        case 0: k = 0; s = 1; next = 1; break;
        case 1: if(k<w) next = 2; else next = 6; break;
        case 2: if(x[k]==1) next = 3; else next = 4; break;
        case 3: R=(s * y) % n; next = 5; break;
        case 4: R = s; next = 5; break;
        case 5: s=R * R % n; L = R; k++; next = 1; break;
        case 6: return L;
        }
    }
}

控制流图变成了这样   直观的感觉就是代码变“扁”了，所有的代码都挤到了一层当中，这样做的好处在于在反汇编、反编译静态分析的时候，无法判断哪些代码先执行哪些后执行，必须要通过动态运行才能记录执行顺序，从而加重了分析的负担。 二、实现平台 扁平化的实现是不能平地而起的，必须要基于一定的平台。就是说，不是你随便给我一段代码，让我混淆我就能混。之前的例子很简单，遇到复杂一点的比如while循环里有声明局部变量，while内部的if和else分支都用到这个变量；当混淆后，while循环已经被我们用if改写了，那这个局部变量的声明放到哪里？如果放到替代while的if分支里，由于这个if分支和原来while内部的if-else分支是平级的，那么这个局部变量就不能在if-else分支中使用了。这就是一个bug。所以在混淆前必须对源代码进行分析。 那用什么东西进行分析呢？答案是编译器，更准确说是编译（解释）器的前端。 这里要重温一下很有趣的编译原理。以编译语言来讲，从源代码到可执行程序要经历这么几步：预编译——>编译——>汇编——>链接。以GCC来说，预编译对应-E参数，将源代码所有的宏处理展开，包括include头文件。编译则是将预处理完的文件通过词法分析、语法分析等前端处理，生成抽象语法书并转化为中间语言，然后进入编译器后端执行优化策略，输出为汇编语言，对应的GCC参数为-S。汇编是将汇编语言（低级程序语言）转化成对应的可执行的机器码。链接则将生成的多个模块（也可能是一个）间互相引用的部分处理好，让不同的模块可以相互调用。

//预编译
gcc -E test.c -o test.i    
//编译 
gcc -S test.i -o test.s     
//汇编
gcc -c test.s -o test.o     
//链接
ld -static test1.o test2.o tes3.o -start-group -lgcc -lgcc_eh -lc -end-group crtend.o crtn.o

我们平常所说的编译器GCC其实是一套编译体系，包括了编译器、汇编器、链接器，狭义上的编译器只处理从源代码到汇编语言的过程。下文所述的编译器均是狭义上的编译器，不指编译体系。 对于编译器以中间语言为界限分为前端和后端。前端进行词法分析、语法分析、中间语言生成，后端负责优化。我们所需要的就是词法和语法分析。 词法分析就是将源代码切割成一个一个的单词。语法分析就是研究源代码的逻辑了。由于篇幅限制（已经很啰嗦了，不过似乎并不能讲清楚），这里就不详细描述了，总之就是经过语法分析，编译器前段会得到抽象语法树，并且获得控制流图，也就是我们之前画的那种。有了控制流图才能在其基础上进行修改，所以一般需要都是采用魔改编译器的方式来完成代码混淆。 要魔改，编译器最好是开源的，扩展性要好，所以一般都采用clang作为基础。clang是一个由C++编写、基于LLVM编译体系的C/C++/OC编译器。文档链接http://clang.llvm.org/docs/index.html。 三、算法抽象 在知晓了平台之后我们就可以开始研究如何进行控制流扁平。一般扁平算法基本步骤如下： 1、将函数体拆分为多个基本块，构建控制流图。将这些原本属于不同层级的基本块放到同一层级； 2、将所有基本块封装到一个switch选择分支当中； 3、用一个状态变量来表示当前状态，进行逻辑顺序控制（上述代码中的next变量）。 改变原有结构往往会带来一些副作用，比如之前所说的局部变量的声明要提前，否则不同分支无法使用同一个变量。除此之外的副作用还有： 1、由于声明提前，声明和赋值过程分离，而引用类型需要声明的同时定义，代码如下

while（k<m） {
    int& a = k;     //引用需同时声明和定义
    if(...) {
        a += ...
    }
    else {
        a -= ...
    }
    ...
}
 
//混淆后变以下
 
int &a;             //错误
switch(next) {
case ...:   if (k<m) a = k;
...
case ...:   if(...) a+=...;else a-=...;next=...;
...
}

2、构造函数和析构函数会因为声明位置而产生副作用。 3、带来同名变量的问题，即原本不同作用域名称相同的变量变成同作用域名称相同的变量。 4、try-catch语句可能会遇到的执行顺序问题。 除了要处理这些副作用之外，源代码中本来的while、do-while、for循环包括原本的switch-case分支统统需要改为if-goto的形式。然后再进行switch-case的封装。 最终的算法执行顺序为 标识符重命名（解决变量名冲突）——>控制语句展开（全变成if）——>变量声明提前——>控制流压扁 3.1标识符重命名 这个目的很明显就是为了解决变量名冲突，所以按照一定顺序改就行了。 3.2控制语句展开 目的是将逻辑控制全变成if-goto逻辑，类似于下图 3.3变量声明提前 针对基本类型和指针类型按以下步骤执行： 将声明提前——>如果原来有初始化行为，则在原来的位置增加赋值语句，用初始化值赋值——>如果没有初始化行为则赋值为0——>over 引用变量需要变为指针变量按上述步骤执行。 针对对象的构造和析构按照以下步骤执行： 在起始处用auto_ptr分配一段对象大小的内存——>在原来初始化的位置用placement new语句对auto_ptr的内存进行初始化——>原始代码中引用对象的位置改为auto_ptr解引用——>在隐式析构的位置显示调用析构函数——>over 3.4控制流压扁 最后是控制流压扁的伪代码

对函数有控制流图cfg
入口节点为entry
出口节点为exit
count = 0
构造一个switch，和控制值nextVar
foreach node in cfg：
    if node != exit：
        新建一个case，并包含node的全部内容
        若node有一个后继节点：
            nextVar = x
            x为后继节点的case
        若node有两个后继节点a1，a2：
            if condition：
                nextVar = x
            else
                nextVar = y
            x为a1的case，y为a2的case
    增加一个break;
将上述switch结构封装到一个死循环中

四、不透明谓词 上述的过程我们会发现一个问题，所有的next都是直接赋值出来的，看你next等于几就知道下一个执行什么了。。。。那还有什么用。。。。 所以这里就介绍另一件利器，来解决这个问题。 所谓不透明，就是对方难以推断的。不透明谓词就是代码的编写者知道是真是假是什么，但是攻击者难以从字面获悉。 比如

if ((x * x + x) % 2 == 0) {
    ...
}
else {
    ...
}

对于公式x平方加x，等价于（x+1）*x，偶数乘奇数等于偶数，所以该判断必然成立。好吧这个式子简单了点，我们换个难点的 总之翻开一本数论，找一个结论，作为if的判断条件，知道为真或者为假。而攻击者如果不知道的情况下就会难以琢磨。 应用到上述的扁平化，比如

int a[] = {1, 2, 4, 12, 16...}
int i = 0;
int next = a[0] - 1;
switch(next) {
case 0: ...; next = a[i + 1] - a[i]; i++; break;
case 1: ...; next = a[i + 2] / a[i + 1]; i+=2; break;
case 2: ...; return ;
case 3: ...; next = a[i + 1] - a[i]; i--; break;
case 4: ...; next = a[i - 2] * a[i - 1]; break;
}

定义一个数组，next第一次赋值为0，进入case0； next为a[1]-a[0]进入case1； next为a[3] / a[2]进入case3； next为a[4] – a[3]进入case4； next为a[0] * a[1]进入case2； 返回。 为了提高难度可以将数组定义为全局变量，在其他地方生成，甚至动态生成，只要保持一定的数学关系即可。 本文 完 PS：本文部分名词解释、图片来自一下资料： 《软件加密与解密》 张清泉的硕士论文《基于clang的C++代码混淆工具》 宋亚齐的硕士论文《基于代码混淆的软件保护技术研究》 PSS：基于clang的混淆工具个GitHub上有一个，但是是clang3.3的，太老了，我最近在重构，版本为最新的clang3.9.1 不过以我不定期更新的情况看。。。。在实战篇前重构完的难度较大，能不能重构完还两说。。。。。。 https://github.com/penguin-wwy/cppobfuscator git地址放出来，有想一起重构的可以一起，看热闹的可以帮我点个star，给点动力。 PSSS 不透明谓词还有很多种算法，有时间再说。