逆向工程001--初识汇编

我们在学习逆向开发之前,我们要了解一个基本的逆向原理.首先我们是逆向iOS系统上面的APP.那么我们知道,一个APP安装在手机上面的可执行文件本质上是二进制文件.因为iPhone手机本质上执行的指令是二进制.是由手机上的CPU执行的.所以逆向开发是建立在分析二进制上面.所以今天我们接下来的课程从非常基础的东西开始讲解.

汇编语言的发展

机器语言

由0和1组成的机器指令.

*加：0100 0000

*减：0100 1000

*乘：1111 0111 1110 0000

*除：1111 0111 1111 0000

汇编语言(assembly language)

使用助记符代替机器语言

如:

*加：INC EAX 通过编译器 0100 0000

*减：DEC EAX 通过编译器 0100 1000

*乘：MUL EAX 通过编译器 1111 0111 1110 0000

*除：DIV EAX 通过编译器 1111 0111 1111 0000

高级语言（High-level programming language)

C\C++\Java\OC\Swift,更加接近人类的自然语言

比如C语言:

*加：A+B 通过编译器 0100 0000

*减：A-B 通过编译器 0100 1000

乘：AB 通过编译器 1111 0111 1110 0000

*除：A/B 通过编译器 1111 0111 1111 0000

我们的代码在终端设备上是这样的过程:

[图片上传失败...(image-85a3f7-1531905223448)]

• 汇编语言与机器语言一一对应，每一条机器指令都有与之对应的汇编指令

• 汇编语言可以通过编译得到机器语言，机器语言可以通过反汇编得到汇编语言

• 高级语言可以通过编译得到汇编语言*机器语言，但汇编语言\机器语言几乎不可能还原成高级语言*

汇编语言的特点

*可以直接访问、控制各种硬件设备，比如存储器、CPU等，能最大限度地发挥硬件的功能

*能够不受编译器的限制，对生成的二进制代码进行完全的控制

*目标代码简短，占用内存少，执行速度快

*汇编指令是机器指令的助记符,同机器指令一一对应。每一种CPU都有自己的机器指令集\汇编指令集，所以汇编语言不具备可移植性

*知识点过多，开发者需要对CPU等硬件结构有所了解，不易于编写、调试、维护

*不区分大小写，比如mov和MOV是一样的

汇编的用途(哥么我学了能干啥?)

*编写驱动程序、操作系统（比如Linux内核的某些关键部分）

*对性能要求极高的程序或者代码片段，可与高级语言混合使用（内联汇编）

*软件安全

*病毒分析与防治

*逆向\加壳\脱壳\破解\外挂\免杀\加密解密\漏洞\黑客

*理解整个计算机系统的最佳起点和最有效途径

*为编写高效代码打下基础

*弄清代码的本质

*函数的本质究竟是什么?

*++a + ++a + ++a 底层如何执行的?

*编译器到底帮我们干了什么?

*DEBUG模式和RELEASE模式有什么关键的地方被我们忽略

*......

最后来句装13的话

越底层越单纯!真正的程序员都需要了解的一门非常重要的语言,汇编!

汇编语言的种类

*目前讨论比较多的汇编语言有

*8086汇编（8086处理器是16bit的CPU）

*Win32汇编

*Win64汇编

*ARM汇编（嵌入式、Mac、iOS）

*......

*我们iPhone里面用到的是ARM汇编,但是不同的设备也有差异.因CPU的架构不同.

架构 | 设备

----|------

armv6 | iPhone, iPhone2, iPhone3G, 第一代、第二代 iPod Touch

armv7 | iPhone3GS, iPhone4, iPhone4S,iPad, iPad2, iPad3(The New iPad), iPad mini, iPod Touch 3G, iPod Touch4

armv7s |iPhone5, iPhone5C, iPad4(iPad with Retina Display)

arm64 | iPhone5S 以后 iPhoneX , iPad Air, iPad mini2以后

几个必要的常识

*要想学好汇编,首先需要了解CPU等硬件结构

*APP/程序的执行过程

[图片上传失败...(image-9ba8b0-1531905223448)]

*硬件相关最为重要是CPU/内存

*在汇编中,大部分指令都是和CPU与内存相关的

总线

[图片上传失败...(image-271666-1531905223448)][图片上传失败...(image-362832-1531905223448)]

*每一个CPU芯片都有许多管脚，这些管脚和总线相连，CPU通过总线跟外部器件进行交互

*总线：一根根导线的集合

*总线的分类

*地址总线

*数据总线

*控制总线

[图片上传失败...(image-10ad7-1531905223448)]

举个例子

来至书上的截图

*地址总线

*它的宽度决定了CPU的寻址能力

*8086的地址总线宽度是20，所以寻址能力是1M（ 2^20 ）

*数据总线

*它的宽度决定了CPU的单次数据传送量，也就是数据传送速度

*8086的数据总线宽度是16，所以单次最大传递2个字节的数据

*控制总线

*它的宽度决定了CPU对其他器件的控制能力、能有多少种控制

做个小练习

*一个CPU 的寻址能力为8KB,那么它的地址总线的宽度为____

8080,8088,80286,80386 的地址总线*宽度分别为16根,20根,24根,32根.那么他们的寻址能力分别为多少____KB, ____MB,____MB,____GB?

8080,8088,8086,80286,80386 的数据总线*宽度分别为8根,8根,16根,16根,32根.那么它们一次可以传输的数据为:____B,____B,____B,____B,____B,

*从内存中读取1024字节的数据,8086至少要读____次,80386至少要读取____次.

答案

练习

内存

各类存储区的逻辑连接 各类存储器的逻辑连接-物理地址对应图 各类存储器的物理地址情况

*内存地址空间的大小受CPU地址总线宽度的限制。8086的地址总线宽度为20，可以定位2^20个不同的内存单元（内存地址范围0x00000~0xFFFFF），所以8086的内存空间大小为1MB

*0x00000~0x9FFFF：主存储器。可读可写

*0xA0000~0xBFFFF：向显存中写入数据，这些数据会被显卡输出到显示器。可读可写

*0xC0000~0xFFFFF：存储各种硬件\系统信息。只读

进制

学习进制的障碍

很多人学不好进制，原因是总以十进制为依托去考虑其他进制，需要运算的时候也总是先转换成十进制，这种学习方法是错误的.

我们为什么一定要转换十进制呢？仅仅是因为我们对十进制最熟悉，所以才转换.

每一种进制都是完美的,想学好进制首先要忘掉十进制，也要忘掉进制间的转换！

进制的定义

*八进制由8个符号组成:0 1 2 3 4 5 6 7 逢八进一

*十进制由10个符号组成:0 1 2 3 4 5 6 7 8 9逢十进一

*N进制就是由N个符号组成:逢N进一

做个练习

*1 + 1 在____情况下等于 3 ?

.

.

.

.

.

.

.

.

.

.

.

.

.

十进制由10个符号组成: 0 1 3 2 8 A B E S 7 逢十进一

如果这样定义十进制: 1 + 1 = 3!就对了!

这样的目的何在?

传统我们定义的十进制和自定义的十进制不一样.那么这10个符号如果我们不告诉别人这个符号表,别人是没办法拿到我们的具体数据的!用于加密!

十进制由十个符号组成,逢十进一,符号是可以自定义的!!

进制的运算

做个练习

*八进制运算

*2 + 3 = __ , 2 * 3 = __ ,4 + 5 = __ ,4 * 5 = __.

*277 + 333 = __ , 276 * 54 = __ , 237 - 54 = __ , 234 / 4 = __ .

八进制加法表

 0  1  2  3  4  5  6  7 

10 11 12 13 14 15 16 17

20 21 22 23 24 25 26 27

...

1+1 = 2

1+2 = 3  2+2 = 4

1+3 = 4  2+3 = 5  3+3 = 6

1+4 = 5  2+4 = 6  3+4 = 7  4+4 = 10 

1+5 = 6  2+5 = 7  3+5 = 10  4+5 = 11  5+5 = 12

1+6 = 7  2+6 = 10  3+6 = 11  4+6 = 12  5+6 = 13  6+6 = 14

1+7 = 10  2+7 = 11  3+7 = 12  4+7 = 13  5+7 = 14  6+7 = 15  7+7 = 16

八进制乘法表

0 1 2 3 4 5 6 7 10 11 12 13 14 15 16 17 20 21 22 23 24 25 26 27...

1*1 = 1

1*2 = 2   2*2 = 4

1*3 = 3   2*3 = 6   3*3 = 11

1*4 = 4   2*4 = 10  3*4 = 14  4*4 = 20

1*5 = 5   2*5 = 12  3*5 = 17  4*5 = 24  5*5 = 31

1*6 = 6   2*6 = 14  3*6 = 22  4*6 = 30  5*6 = 36  6*6 = 44

1*7 = 7   2*7 = 16  3*7 = 25  4*7 = 34  5*7 = 43  6*7 = 52  7*7 = 61

实战四则运算

   277        236        276        234

+  333      -  54      *  54      /  4

--------    --------    --------    --------   

二进制的简写形式

       二进制: 1 0 1 1 1 0 1 1 1 1 0 0

三个二进制一组: 101 110 111 100

       八进制:  5  6  7  4

四个二进制一组: 1011 1011 1100

     十六进制:    b    b    c

二进制：从0 写到 1111

0000 0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111

这种二进制使用起来太麻烦，改成更简单一点的符号：

0 1 2 3 4 5 6 7 8 9 A B C D E F 这就是十六进制了

数据的宽度

数学上的数字，是没有大小限制的，可以无限的大。但在计算机中，由于受硬件的制约，数据都是有长度限制的（我们称为数据宽度），超过最多宽度的数据会被丢弃。

#import

#import "AppDelegate.h"

int test(){

    int cTemp = 0x1FFFFFFFF;

    return cTemp;

}

int main(int argc, char * argv[]) {

    printf("%x\n",test());

    @autoreleasepool {

        return UIApplicationMain(argc, argv, nil, NSStringFromClass([AppDelegate class]));

    }

}

计算机中常见的数据宽度

*位(Bit): 1个位就是1个二进制位.0或者1

*字节(Byte): 1个字节由8个Bit组成(8位).内存中的最小单元Byte.

*字(Word): 1个字由2个字节组成(16位),这2个字节分别称为高字节和低字节.

*双字(Doubleword): 1个双字由两个字组成(32位)

那么计算机存储数据它会分为有符号数和无符号数.那么关于这个看图就理解了!

[图片上传失败...(image-36c76c-1531905223448)]

无符号数,直接换算!

有符号数:

正数:  0    1    2    3    4    5    6    7 

负数:  F    E    D    B    C    A    9    8

      -1  -2  -3  -4  -5  -6  -7  -8

自定义进制符号

练习

*现在有10进制数 10个符号分别是：2，9，1，7，6，5，4， 8，3 , A 逢10进1 那么： 123 + 234 = ____

十进制:    0  1  2  3  4  5  6  7  8  9

自定义:    2  9  1  7  6  5  4  8  3  A

         92 99 91 97 96 95 94 98 93 9A

         12 19 11 17 16 15 14 18 13 1A

         72 79 71 77 76 75 74 78 73 7A

         62 69 61 67 66 65 64 68 63 6A

         52 59 51 57 56 55 54 58 53 5A

         42 49 41 47 46 45 44 48 43 4A

         82 89 81 87 86 85 84 88 83 8A

         32 39 31 37 36 35 34 38 33 3A

         922

那么刚才通过10进制运算可以转化10进制然后查表!但是如果是其他进制.我们就不能转换,要直接学会查表

*现在有9进制数 9个符号分别是：2，9，1，7，6，5，4， 8，3 逢9进1 那么： 123 + 234 = ____

十进制:    0  1  2  3  4  5  6  7  8 

自定义:    2  9  1  7  6  5  4  8  3 

         92 99 91 97 96 95 94 98 93 

         12 19 11 17 16 15 14 18 13 

         72 79 71 77 76 75 74 78 73 

         62 69 61 67 66 65 64 68 63 

         52 59 51 57 56 55 54 58 53 

         42 49 41 47 46 45 44 48 43 

         82 89 81 87 86 85 84 88 83 

         32 39 31 37 36 35 34 38 33 

         922

寄存器

内部部件之间由总线连接

[图片上传失败...(image-b823b9-1531905223448)]

*对程序员来说，CPU中最主要部件是寄存器，可以通过改变寄存器的内容来实现对CPU的控制

*不同的CPU，寄存器的个数、结构是不相同的

通用寄存器

*ARM64拥有有31个64位的通用寄存器 x0 到 x30,这些寄存器通常用来存放一般性的数据，称为通用寄存器（有时也有特定用途）

*那么w0 到 w28 这些是32位的. 因为64位CPU可以兼容32位.所以可以只使用64位寄存器的低32位.

*比如 w0 就是 x0的低32位!

[图片上传失败...(image-d50a28-1531905223448)]

*通常，CPU会先将内存中的数据存储到通用寄存器中，然后再对通用寄存器中的数据进行运算

*假设内存中有块红色内存空间的值是3，现在想把它的值加1，并将结果存储到蓝色内存空间

[图片上传失败...(image-d66d3f-1531905223448)]

*CPU首先会将红色内存空间的值放到X0寄存器中：mov X0,红色内存空间

*然后让X0寄存器与1相加：add X0,1

*最后将值赋值给内存空间：mov 蓝色内存空间,X0

pc寄存器(program counter)

*为指令指针寄存器，它指示了CPU当前要读取指令的地址

*在内存或者磁盘上，指令和数据没有任何区别，都是二进制信息

*CPU在工作的时候把有的信息看做指令，有的信息看做数据，为同样的信息赋予了不同的意义

*比如 1110 0000 0000 0011 0000 1000 1010 1010

*可以当做数据 0xE003008AA

*也可以当做指令 mov x0, x8

*CPU根据什么将内存中的信息看做指令？

*CPU将pc指向的内存单元的内容看做指令

*如果内存中的某段内容曾被CPU执行过，那么它所在的内存单元必然被pc指向过

bl指令

*CPU从何处执行指令是由pc中的内容决定的，我们可以通过改变pc的内容来控制CPU执行目标指令

*ARM64提供了一个mov指令（传送指令），可以用来修改大部分寄存器的值，比如

*mov x0,#10、mov x1,#20

*但是，mov指令不能用于设置pc的值，ARM64没有提供这样的功能

*ARM64提供了另外的指令来修改PC的值，这些指令统称为转移指令，最简单的是bl指令

bl指令 -- 练习

现在有两段代码!假设程序先执行A,请写出指令执行顺序.最终寄存器x0的值是多少?

_A:

    mov x0,#0xa0

    mov x1,#0x00

    add x1, x0, #0x14

    mov x0,x1

    bl _B

    mov x0,#0x0

    ret

_B:

    add x0, x0, #0x10

    ret