转载

逆向被虚拟机所保护的二进制文件

From: http://resources.infosecinstitute.com/reverse-engineering-virtual-machine-protected-binaries/

0x00 简介

在代码混淆当中，虚拟机被用于在一个程序上运行不同机器指令集。例如虚拟机可以让32位的x86架构机器上运行ARM指令集。用于代码混淆的虚拟机跟那种普通的，能运行操作系统的虚拟机完全不同（如：VMware），前者只用于执行有限的指令做一些特定的任务。

在了解相关代码混淆器的虚拟机指令集执行机制后，逆向工程一个使用该指令集的虚拟机所保护程序还是比较容易的。只需要花费少量的时间来研究一下这个架构的指令集操作码。然而悲剧的是，现在的虚拟机代码混淆器大多数都使用自定义指令集。换句话说，每个指令都被赋予一个自定义的操作码（通常都是随机的）和自定义的格式，逆向人员需要逆向解码每个操作码的含义。这简直会玩死人！举个栗子，让我们来看看32位的x86指令集和我们将在本文中介绍的自定义指令集之间的区别：

逆向被虚拟机所保护的二进制文件

很明显，这些指令都是把第二个操作数指定的内存字节赋值到第一个操作数的寄存器当中。然而这两条指令的二进制操作码表示却并不相同，其中第二条指令的0x56操作码完全是一个随机数字。两条指令的第二个字节都表示操作码需要用到的寄存器，其中每4位表示一个寄存器。

在进入逆向工程实例之前，我们得先知道基于虚拟机代码混淆技术幕后的工作原理：虚拟机启动后首先第一件事便在它的进程虚拟地址空间中申请一块“address space”，换句话说，它申请所需的内存空间，栈和寄存器。然后，虚拟机加载操作码文件并执行。代码的执行是由一个VM loop完成的。在这个loop当中，虚拟机的处理器解析每个预定的操作码和操作数，然后根据指令集迭代执行。直到VM loop遇到一个指定的退出操作码。

0x01 举个例子

为此我花了一些时间用C语言写了一个自定指令集的虚拟机，完整的源代码可以在这篇文章最后获得。正如你所猜的，单独一个虚拟机是做不了任何事情的。这也是我为什么还写了这么一个CrackMe小程序。另外我诚挚邀请大家也给这个小家伙添加更多的功能吧！

在前言中提到过的，这个虚拟机使用一套自定的指令集，并由虚拟机在初始化阶段后把操作码文件加载到“address space”。

让我们确保操作码文件和虚拟机在同一个目录，然后执行。随便输入一串密码可以看到：

逆向被虚拟机所保护的二进制文件

密码验证失败！

我们现在的目标就是给这个程序找出正确的密码。先从看一下这个操作码文件(vm_file)开始，用十六进制编辑器打开它：

逆向被虚拟机所保护的二进制文件

可以看到，在vm_file文件有诸如”Right pass!“，”Wrong pass!“和”Password:“的字符串。接下来开始逆向这个虚拟机，用IDA打开它。

IDA打开虚拟机之后我们直接定位到VM loop的虚拟地址：0x00401334。下图显示了这个程序相当庞大，但既然找到正确的入口点那我们肯定有办法搞定它。

逆向被虚拟机所保护的二进制文件

让我们来看看入口函数执行了哪些指令：

 push ebp  push edi  push esi  push ebx  sub  esp, 2Ch  mov  esi, [esp+3Ch+arg_0]  mov  ebx, [esp+3Ch+arg_4]  mov  ax, [ebx+0Ah]  lea  ebp, [esi+1200h] loc_40134D: ; This is where the loop starts  movzx edx, ax  mov  cl, [esi+edx]  lea  edx, [eax+1]  mov  [ebx+0Ah], dx  sub  ecx, 10h  cmp  cl, 0E1h  ; switch 226 cases  jbe  short loc_40136C

”mov cl, [esi+edx]“指令读取一个字节到CL，很显然CL寄存器只包含了操作码。该操作码是通过ESI和EDX两个寄存器进行定位的。从前面可以清楚地看到EDX只包含了一个WORD（16 bit）而ESI包含了DWORD（32 bit）。所以，ESI实际上是指向VM代码段，而DX指向我们的虚拟机当前指令的指针（文件中当前操作码的index）。

在正确读入字节之后我们注意到DX寄存器的值被保存到[EBX + 0AH]。这位置是虚拟机分配的寄存器空间。我们现在知道EBX寄存器指示着ESI寄存器所指向的文件数据在内存中的位置。

在比较之前，我们注意到编译器使用了编译优化：在访问switch table之前的每个操作码的值减去0x10。

loc_40136C:     movzx ecx, cl     jmp     ds:switchTable[ecx*4] ; switch jump

该switch table虽然相当大，但它可以更快地计算出动态地址。你可以在Win32下用OllyDbg或IDA运行调试这个程序。

0x02 第一条指令

第一个switch带我们跳到一个小过程当中：

逆向被虚拟机所保护的二进制文件

我们现在处于“case 0x18”这个操作码，因为编译器增加了一个减法操作优化这段代码。如果你现在回去检查一下vm_file的话可以发现第一个字节就是0x18。这个操作码似乎需要一些操作数，所以VM多读取一个字节到DX寄存器。下一步，VM的指令指针[EBX+0AH]更新为EAX+2，这意味着IP(instruction pointer)指向下一个字节。之后，读取到的字节跟3比较，如果大于3则离开循环并抛出一个异常。但在我们的例子中是不会抛出异常的，因为二进制文件中该操作数等于0x01，因此程序不会发生跳转。接着我们到达这里：

逆向被虚拟机所保护的二进制文件

提醒你一下，EBX是指向虚拟机的寄存器数组的指针，所以第一条指令把[EBX+1*2]（第二个寄存器）初始化为0。

现在，我们有足够的信息可以判断VM包含了4个寄存器，我们可以称之为R0，R1，R2，R3。

剩下的代码从文件加载2个字节（大端序的0x250）的数据存放到R1寄存器中。接着，VM的指令指针会指向下一条指令，也就是在文件的0x04偏移处。最后，jmp跳转到loc_40134D的VM loop循环处开始下一条指令的执行。

直到现在，我们只能知道第一条指令是什么，它只是一条简单的mov指令。这条指令可以重写为下面的格式：

    MOV R1, 250H

0x03 第二条指令

让我们来看看下个操作码（0xAF）:

逆向被虚拟机所保护的二进制文件

第一个代码块跟之前的mov指令一样。显然，这是需要用到一个寄存器作为操作数的典型代码，在我们的例子当中，它使用的是R1(0x01)寄存器。下一步它访问[EBX+0CH]的寄存器。我们知道这个寄存器肯定不是R0，R1，R2，R3。因为R3被存储在[EBX+6]。我们也知道这不是IP指令指针，因为它位于[EBX+0AH]。所以要弄清楚这个寄存器是什么，我们需要回去检查它在主函数中的初始化：

.text:00402703 mov     word ptr [eax+0Ch], 256

回到我们分析处，我们注意到获取到这个寄存器的值后做减一操作，然后再跟0xFFFF做比较。因为该寄存器被初始化为256，所以在该寄存器的值为0并减一之前是不会等于0xFFFF的。如果该寄存器等于0xFFFF，那么VM将退出循环。因为我们这是第一次执行，所以断定[EBX+0CH]肯定等于255。

接下来两条指令读取R1（0x250）的值保存到DX寄存器。接着就可以看到一条有趣的指令：

mov [esi+eax*2+1000h], dx

如果你还记得的话，ESI是指向代码和数据区域的基址。此外，ESI+1000H跨度了4K的地址空间。因此，我们可以假设，ESI+1000H是指向一个不同的“section”的VM“address space”。

我们可以用伪代码重述一下这个操作：

#!c WORD section[256]; […] section[ –reg ] = R1;

看起来这似乎是一个栈结构，R1寄存器的值被保存到栈指针减一后所在的位置。我们可以大胆地假设0xAF操作码代表PUSH指令。因此，这条操作码指令的含义可以理解为：PUSH R1。

现在我们知道[EBX+0CH]是VM的栈指针，栈空间为256*sizeof(uint16_t)。此外，如果你想把VM的栈指针和x86架构的机器栈指针做比较，可以看到VM的栈指针仅仅是一个array的index，而x86机制的栈指针是一个寄存器（ESP）。

0x04 第三条指令

接着第三个操作码（0xC2）：

逆向被虚拟机所保护的二进制文件

这个操作码的含义似乎是在读取栈顶的一个WORD数据。但在读取之前它先检查栈是否为空，如果是，则抛出一个VM异常。因为之前已经有一个值PUSH进去了，所以我们知道这个栈不为空。把栈顶的数据保存到DX寄存器后，栈指针+1。我们还知道DX的值现在为0x250（属于代码和数据区域的一部分）。随后，确保栈顶的值不会超过0x1000（address space的尺寸）。接下来把[ESI+DX]指向的字符串作为的参数调用printf。在我们这个例子当中，vm_file第0x250个字节保存的字符串是“Password:”，它将被打印到屏幕上。

我们可以得出这样的结论：0xC2指令需要把字符串偏移PUSH到栈上，然后POP出来printf它。

正如你所见，在这完成逆向这些操作码之后我们已经到达打印“Password:”的代码上。你可能已经注意到我们可以用单一的指令简化每个操作码所代表的执行动作。接下来，我们不采用逐步的分析方式来分析这些操作码了。但是现在的你应该能够逆向工程一个被虚拟机所保护的程序，甚至打造一个属于自己的虚拟机保护程序。