在上篇文章代码注入，窃取微信密码中咱们已经简单的提到了MachO，在用Framework做代码注入的时候，必须先向MachO的Load Commons中插入该Framework的的相对路径，让我们的iPhone在执行MachO的时候能够识别并加载Framework！
窥一斑而知全豹，从这些许内容其实已经可以了解到MachO在我们APP中的地位是多么的重要。同样，在咱们逆向的实践中，MachO也是一道绕不过去门槛！
老规矩，片头先上福利：点击下载demo
这篇文章会用到的工具有：
废话不多说，本篇文章将会从以下几点细说到底什么是MachO！
- 什么是MachO
- MachO的文件结构
- 从DYLD源码的角度看APP启动流程 (重点！！！)
一、什么是MachO
Mach-O其实是Mach Object文件格式的缩写，是mac以及iOS上可执行文件的格式， 类似于windows上的PE格式 (Portable Executable ), linux上的elf格式 (Executable and Linking Format)
1、常见的MachO文件
a、目标文件：.o
b、库文件：.a .dylib Framework
c、可执行文件：dyld .dsym
2、如何查看文件格式
我们可以通过file指令查看文件的具体格式
file指令.png
目前已知的架构分为armv7,armv7s,arm64,i386,x86_64等等，MachO中其实也是这些架构的集合。可以随意建立一个空工程：Dome1（空工程就不给Demo了）
查看Build出的Dome1.ipa中的MachO
x86架构MachO.png
将最低版本设置为iOS 12，用release打包出的Dome1.ipa中的MachO
arm64架构MachO.png
将最低版本设置为iOS 8，用release打包出的Dome1.ipa中的MachO
多架构MachO.png
从上面三张图就可以确定MachO可以是多架构的二进制文件，称之为「通用二进制文件」
通用二进制文件是苹果公司提出的一种程序代码。能同时适用多种架构的二进制文件
a. 同一个程序包中同时为多种架构提供最理想的性能。
b. 因为需要储存多种代码，通用二进制应用程序通常比单一平台二进制的程序要大。
c. 但是由于两种架构有共通的非执行资源，所以并不会达到单一版本的两倍之多。
d. 而且由于执行中只调用一部分代码，运行起来也不需要额外的内存。
注：其实除了更改最低版本号可以改变MachO的架构，在XCode的中也可以主动设置
主动修改架构.png
3、拆分、重组MachO
// 使用lipo -info 可以查看MachO文件包含的架构
$ lipo -info MachO文件
// 使用lipo –thin 拆分某种架构
$ lipo MachO文件 –thin 架构 –output 输出文件路径
// 使用lipo -create 合并多种架构
$ lipo -create MachO1 MachO2 -output 输出文件路径
拆分，重组MachO.png
二、MachO的文件结构
先上一张官网图：
MachO的文件结构.png
MachO分为三部分结构：Header、Load Commons、Data
1、Header
Header 包含该二进制文件的一般信息
字节顺序、架构类型、加载指令的数量等。
使得可以快速确认一些信息，比如当前文件用于32位还是64位，对应的处理器是什么、文件类型是什么
本文从两个视角分析Header，分别是「用MachOView可视化后直观的查看」和「系统源码解析」
-
用MachOView可视化后直观的查看
上篇文章已经讲过使用MacOView可以直接查看一个MachO文件，如下图
MachO-Header.png
-
系统源码解析
在MachO的源码文件中同样有对应的字段。如下图：
MachO-Header源码.png
2、Load Commons
Load commands是一张包含很多内容的表。
内容包括区域的位置、符号表、动态符号表等。
MachO-LoadCommons.png
上图Load Commons中的大部分字段在下表中可以找到相关的含义。
| 名称 | 含义 |
|---|---|
| LC_SEGMENT_64 | 将文件中（32位或64位）的段映射到进程地址空间中 |
| LC_DYLD_INFO_ONLY | 动态链接相关信息 |
| LC_SYMTAB | 符号地址 |
| LC_DYSYMTAB | 动态符号表地址 |
| LC_LOAD_DYLINKER | 使用谁加载，我们使用dyld |
| LC_UUID | 文件的UUID |
| LC_VERSION_MIN_MACOSX | 支持最低的操作系统版本 |
| LC_SOURCE_VERSION | 源代码版本 |
| LC_MAIN | 设置程序主线程的入口地址和栈大小 |
| LC_LOAD_DYLIB | 依赖库的路径，包含三方库 |
| LC_FUNCTION_STARTS | 函数起始地址表 |
| LC_CODE_SIGNATURE | 代码签名 |
其中LC_LOAD_DYLINKER和LC_LOAD_DYLIB
-
LC_LOAD_DYLINKER
该字段标明我们的MachO是被谁加载进去的。
可以理解为LC_LOAD_DYLINKER指向的地址是微信APP加载小程序的引擎，而我们的MachO是小程序。在上图中可以看到我们的Demo1的LC_LOAD_DYLINKER指向的地址就是dyld。dyld确实是用来加载我们app的，在下面一节将会对dyld的源码进行分析，讲述dyld是如何对MachO进行加载的。 -
LC_LOAD_DYLIB
该字段标记了所有动态库的地址，只有在LC_LOAD_DYLIB中有标记，我们MachO外部的动态库（如：Framework）才能被dyld正确的引用，否则dyld不会主动加载，这也是上篇文章，代码注入的关键所在！
3、Data
Data 通常是对象文件中最大的部分，包含Segement的具体数据，如静态C字符串，带参数/不带参数的OC方法，带参数/不带参数的C函数。
在Demo1中编写一下代码
- 静态C字符串
- 静态OC字符串
- 带参数的OC方法
- 不带参数的OC方法
- 带参数的C函数
- 不带参数的C函数
如图：
代码.png
查看MachO中对应的Data段：cstring,methname,如下两图：
MachO-字符串.png
MachO-方法名.png
可以看到，全局静态C字符（myCString），方法里面的字符串（myCFuncAString:%d,myCFuncString,%s,myOCFuncAString:%s,myOCFuncString:%s）都被保存在data段的cstring里了，哪怕是%d,%s等等这样的参数类型字符串也被保存在内。但所有同样的字符串只会被保存一次。
同样所有的OC方法都被保存在methname里了。
这里有个问题：
在这两个表中并没有看到全局的静态OC字符串(myOCString)和C函数（myCFuncA(int a),myCFunc()）这里为什么没有？他们应该会被以是形式保存在哪里？
上面用cstring和methname距离了data段的作用，同样的所有类名，协议名等也是以同样形式存储在这。
上面已经对MachO有了一个大概的了解，接下来本文就对dyld这么一个重要的东西进行一个初探。
三、从DYLD源码的角度看APP启动流程
1、在main函数中断点查看
首先思考，在main函数中挂断点能不能查看到APP启动对应的堆栈？
这部分其实靠想，靠猜测很难有答案，我们直接用XCode直接尝试：
main断点.png
可以看到在main函数断点并不能看到启动的对应堆栈，说明main函数也是被别人调用的，而不是处于app启动的堆栈中。
既然main查不到启动堆栈，那么比app更早执行的load方式是否可以找得到呢？
2、在load方法中断点查看
同样的，直接XCode调试：
load断点.png
在这可以发现更多的信息，比如在堆栈底部的汇编（这里用的是手机调试，所以是arm64架构）可以很明显的发现，是调用了用dyld中的dyldbootstrap文件中的start方法。
马不停蹄，打开dyld源码，找到对应的dyldbootstrap文件中的start函数。
点击这里下载dyld源码
3、在dyldbootstrap中查看start函数
//
// This is code to bootstrap dyld. This work in normally done for a program by dyld and crt.
// In dyld we have to do this manually.
//
uintptr_t start(const struct macho_header* appsMachHeader, int argc, const char* argv[],
intptr_t slide, const struct macho_header* dyldsMachHeader,
uintptr_t* startGlue)
{
// if kernel had to slide dyld, we need to fix up load sensitive locations
// we have to do this before using any global variables
// 滑块，ASLR技术，地址偏移，是MachO文件在内存中的地址重定向
slide = slideOfMainExecutable(dyldsMachHeader);
bool shouldRebase = slide != 0;
#if __has_feature(ptrauth_calls)
shouldRebase = true;
#endif
if ( shouldRebase ) {
// 重定向
rebaseDyld(dyldsMachHeader, slide);
}
// allow dyld to use mach messaging
// 消息初始化
mach_init();
// kernel sets up env pointer to be just past end of agv array
const char** envp = &argv[argc+1];
// kernel sets up apple pointer to be just past end of envp array
const char** apple = envp;
while(*apple != NULL) { ++apple; }
++apple;
// set up random value for stack canary
// 栈溢出保护
__guard_setup(apple);
#if DYLD_INITIALIZER_SUPPORT
// run all C++ initializers inside dyld
runDyldInitializers(dyldsMachHeader, slide, argc, argv, envp, apple);
#endif
// now that we are done bootstrapping dyld, call dyld's main
// 正在的启动函数，在dyld中的_main函数中
uintptr_t appsSlide = slideOfMainExecutable(appsMachHeader);
return dyld::_main(appsMachHeader, appsSlide, argc, argv, envp, apple, startGlue);
}
从start函数的源码可得知道：dlyd会内存中找到一块地址给MachO使用，也就是ASLR，内存偏移。
最后start函数执行了一个main函数（这个可以不是我们app中的main函数，而是dyld的）并返回。同样的，我们不能只蹭一蹭，要进去干！
4、在dlyd中查看main函数
这个函数厉害了，如下图，足足快500行了！
dyld的main函数.png
我们抓住其中的关键代码，足步分析在main函数之前dyld到底帮我们做了哪一些事情。
1、配置环境变量
从main函数的初始，到函数getHostInfo()之前都是在配置一些环境变量，已经一些线程相关的，涉及内容太过底层，这就不一一分析了(其实是能力不及😆)
配置环境变量.png
在这一步中有很多
if判断，其实里面都是对应的环境变量，这些都是可以在XCode进行相关的配置，进行对应的操作(如Log相关信息)。
2、加载共享缓存库
在iOS系统中，每个程序依赖的动态库都需要通过dyld（位于/usr/lib/dyld）一个一个加载到内存，然而如果在每个程序运行的时候都重复的去加载一次，势必造成运行缓慢，为了优化启动速度和提高程序性能，共享缓存机制就应运而生。所有默认的动态链接库被合并成一个大的缓存文件，放到/System/Library/Caches/com.apple.dyld/目录下，按不同的架构保存分别保存着。其中包括UIKit，Foundation等基础库。
加载共享缓存库_1.png
加载共享缓存库_2.png
在源码中可以看到在我们iOS系统中，共享缓存库被明确一定会被加载。
因为这种机制的存在，使得iOS在的对这些基础库的加载的时候时间和内存都得到节约！
但是有时因为共享缓存库的机制的存在使得iOS在共享缓存库里面的C函数，也就是系统C函数变的不是那么静态，有了些许OC运行时的特性！
这部分内容将会在下一篇文章着重讲解！从不一样的角度看Runtime！
3、实例化主程序
加载主程序其实就是对MachO文件中LoadCommons段的一些列加载！
我们继续对代码的跟进，如下6张图：
加载主程序_1.png
加载主程序_2.png
补充：实例化完之后调用addImage(image)，将实例化出来的镜像加入所有的镜像列表sAllImages，主程序永远是sAllImages的第一个对象！
加载主程序_3.png
加载主程序_LoadCommons_1.png
加载主程序_LoadCommons_2.png
加载主程序_LoadCommons_3.png
从源代码可以看出，加载主程序这一步其实很简单，就是将MachO文件中的部分信息一步一步的放入内存。
其中从最后一张图可以了解到：
- 最大的segment数量为256个！
- 最大的动态库（包括系统的个自定义的）个数为4096个！
4、加载动态链接库
加载动态链接库，如XCode的ViewDebug、MainThreadChecker，我们之后代码注入的库也是通过这种形式添加的！
插入动态链接库.png
5、链接主程序
链接主程序.png
link函数里面其实就是对之前的imges（不是图片，这是镜像）进行一些内核操作，这部分Apple没有开源出来，只能看到些许源码，有兴许的同学可以自行查阅：
Link.png
6、加载Load和特定的C++的构造函数方法
无论是从之前断点load方法还是我们现在一步步对源码的根据，都能了解到，dyld的initializeMainExecutable就是就加载load的入口:
initializeMainExecutable_1.png
initializeMainExecutable_2.png
并且最后都能接到一个结论：
由dyld的notifySingle函数经过一系列的跳转，最终会跳转到objc源码中的call_load_methods函数！！
那么这中间的的过程到底是怎么样的呢？看下方的gif：
[图片上传失败...(image-e9e628-1552838495670)]
最后找到函数_dyld_objc_notify_register，就在全局都找不到一个调用的地方了，其实这个函数本身就不是给dyld调用的，而是提供给外部调用的。怎么找到是谁调用了_dyld_objc_notify_register呢？
继续打开之前的Demo1，在工程中加上_dyld_objc_notify_register的符号断点看看。
符号断点.png
运行工程，断住之后再次查看函数调用栈：
符号断点后的调用堆栈.png
这就可以很清晰的看到，原来是
objc_init调用了咱们的_dyld_objc_notify_register函数。
同样打开objc的源码（点击下载objc源码 )
快速定位_dyld_objc_notify_register的调用位置。如图：
_objc_init.png
load_images.png
这样dyld是如何加载咱们的load方法就被找到了。
期间如果有细心的同学可能看到了在notifySingle后面紧跟着doInitialization这样一个函数，这是一个系统特定的C++构造函数的调用方法。
doInitialization_1.png
doModInitFunctions.png
ImageLoaderMachO_2.png
这种C++构造函数有特定的写法，如下：
__attribute__((constructor)) void CPFunc(){
printf("C++Func1");
}
有兴趣的同学可以尝试实现一次，在MachO文件中找到对应的方法！
当然，这在Demo1也是有的。
7、寻找APP的main函数并调用
当上面的load和C++方法加载完成之后就会回到dyld的main方法里面，寻找APP的main函数并调用。
寻找APP的main函数并调用.png
最终dyld的main函数中的主要流程就已经走完了，当然这7个步骤是一条主线，期间还会有很多其他的步骤，过程非常繁琐，这就不一一举例了。大家可以通过阅读dyld的源码尽收眼底。
四、总结
本文讲述了MachO的概述，文件结构，在从其中Load Commons中的LC_LOAD_DYLINKER引出dyld，接下根据dyld源码分析了APP的启动流程。分别是：
1、配置环境变量
2、加载共享缓存库
3、实例化主程序
4、加载动态链接库
5、链接主程序
6、加载Load和特定的C++的构造函数方法
7、寻找APP的main函数并调用
另外dyld中LC_LOAD_DYLIB的（加载动态链接库）存在，为我们逆向注入代码提供了无限可能。
MachO中其实还有一些符号表，为系统提供查询对应的方法名称提供了路径，这些在下一张文章中将会更加详细的讲到。
五、参考
1、Dynamic Linking of Imported Functions in Mach-O
2、《iOS应用逆向工程》沙梓社，吴航 著 ，机械工业出版社
网友评论