前段时间忙于破解移动和电信的 apk ,挺久没有更新博客了,最近在写个工具,主要功能是通过配置对 dex 文件中的类型、函数、属性进行隐藏,达到防止被静态分析的效果。所以在写工具前必须对 dex 的文件格式有个清晰的认识,相对于 elf 文件格式 dex 文件格式会简单一些。
原文链接: DEX文件格式分析
分析 dex 文件格式最好的方式是找个介绍文档,自己再写一个简单的 demo 然后用 010Editor 对照着分析。文档可以参考官方文档 http://source.android.com/devices/tech/dalvik/dex-format.html ,英文差的也可以找个中文的,比如说我。。。。。。
010Editor 这个工具比较好用,之前分析 elf 文件也是用的它。其实只要装了模板,可以分析很多文件。虽然是收费软件,有30天免费试用。 但是如果你用的是 mac :smirk: 试用期到了, 删一下这个文件 ~/.config/SweetScape/010 Editor.ini
。
dex 文件可以分为3个模块,头文件(header)、索引区(xxxx_ids)、数据区(data)。头文件概况的描述了整个 dex 文件的分布,包括每一个索引区的大小跟偏移。索引区的ids 是 identifiers
的缩写,表示每个数据的标识,索引区主要是指向数据区的偏移。
010Editor 中除了数据区(data)没有显示出来,其他区段都有显示,另外 link_data 在模板中被定为 map_list
header 描述了 dex 文件信息,和其他各个区的索引。010Editor(写010Editor 有点麻烦下面直接写010)中用结构体 struct header_item
来描述 header。
其中用到了两种数据类型char、uint。这里的 char 是 C/C++ 中的char 占 8-bit, java 中的 char 是占 16-bit 有点区别,但是我们可以他来表示 short/ushort 这个以后介绍最近写的工具会介绍。官方文档是用 ubyte来定义的,那还是按官方的来吧。
结构体描述:
ubyte 8-bit unsinged int uint 32-bit unsigned int, little-endian struct header_item { ubyte[8] magic; unit checksum; ubyte[20] signature; uint file_size; uint header_size; unit endian_tag; uint link_size; uint link_off; uint map_off; uint string_ids_size; uint string_ids_off; uint type_ids_size; uint type_ids_off; uint proto_ids_size; uint proto_ids_off; uint method_ids_size; uint method_ids_off; uint class_defs_size; uint class_defs_off; uint data_size; uint data_off; }
除了 magic、checksum、signature、file_size、endian_tag、map_off 其他元素都是成对出现的。_off 表示元素的偏移量,_size 表示元素的个数。其余的6个描述主要是 dex 文件的信息。
magic: 这个是固定值,用于识别 dex 文件。转化为字符串为:
{0x64, 0x65, 0x78, 0x0A, 0x30, 0x33, 0x35, 0x00} = "dex/n035/0"
中间是一个换行,后面035是版本号。
checksum: 文件校验码,使用 alder32 算法校验文件除去 maigc、checksum 外余下的所有文件区域,用于检 查文件错误。
signature: 使用 SHA-1 算法 hash 除去 magic、checksum 和 signature 外余下的所有文件区域, 用于唯一识别本文件 。
file_size: dex 文件大小
header_size: header 区域的大小,目前是固定为 0x70
endian_tag: 大小端标签,dex 文件格式为小端,固定值为 0x12345678 常量
map_off: map_item 的偏移地址,该 item 属于 data 区里的内容,值要大于等于 data_off 的大小,处于 dex 文件的末端。
string_ids 区段描述了 dex 文件中所有的字符串。格式很简单只有一个偏移量,偏移量指向了 string_data 区段的一个字符串:
上述描述里提到了 LEB128 ( little endian base 128 ) 格式,是基于 1 个 byte 的一种不定长度的编码方式。若第一个 byte 的最高位为1,则表示还需要下一个 byte 来描述,直至最后一个 byte 的最高位为 0。每个 byte 的其余 bit 用来表示数据,如下表所示。实际中 LEB128 最大只能达到 32-bit 可以阅读 dalvik 中的 Leb128.h 源码看出来。
数据结构为:
ubyte 8-bit unsinged int uint 32-bit unsigned int, little-endian uleb128 unsigned LEB128, valriable length struct string_ids_item { uint string_data_off; } struct string_data_item { uleb128 utf16_size; ubyte data; }
其中 data 保存的就是字符串的值。string_ids 是比较关键的,后续的区段很多都是直接指向 string_ids 的 index。在写工具进行比较的时候也需要提取到 string_ids。
type_ids 区索引了 dex 文件里的所有数据类型,包括 class 类型,数组类型(array types)和基本类型
(primitive types)。区段里的元素格式为 type_ids_item,结构描述如下 :
uint 32-bit unsigned int, little-endian struct type_ids_item { uint descriptor_idx; //-->string_ids }
type_ids_item 里面 descriptor_idx 的值的意思,是 string_ids 里的 index 序号,是用来描述此 type 的字符串。
proto 的意思是 method prototype 代表 java 语言里的一个 method 的原型 。proto_ids 里的元素为 proto_id_item,结构如下:
uint 32-bit unsigned int, little-endian struct proto_id_item { uint shorty_idx; //-->string_ids uint return_type_idx; //-->type_ids uint parameters_off; }
shorty_idx: 跟 type_ids 一样,它的值是一个 string_ids 的 index 号 ,最终是一个简短的字符串描述,用来说明该 method 原型。
return_type_idx: 它的值是一个 type_ids 的 index 号 ,表示该 method 原型的返回值类型。
parameters_off: 指向 method 原型的参数列表 type_list,若 method 没有参数,值为0。参数列表的格式是 type_list,下面会有描述。
filed_ids 区里面有 dex 文件引用的所有的 field。区段的元素格式是 field_id_item,结构如下:
ushort 16-bit unsigned int, little-endian uint 32-bit unsigned int, little-endian struct filed_id_item { ushort class_idx; //-->type_ids ushort type_idx; //-->type_ids uint name_idx; //-->string_ids }
class_idx: 表示 field 所属的 class 类型,class_idx 的值是 type_ids 的一个 index,并且必须指向一个 class 类型。
type_idx: 表示本 field 的类型,它的值也是 type_ids 的一个 index 。
name_idx: 表示本 field 的名称,它的值是 string_ids 的一个 index 。
method_ids 是索引区的最后一个条目,描述了 dex 文件里的所有的 method。method_ids 的元素格式是 method_id_item,结构跟 fields_ids 很相似:
ushort 16-bit unsigned int, little-endian uint 32-bit unsigned int, little-endian struct filed_id_item { ushort class_idx; //-->type_ids ushort proto_idx; //-->proto_ids uint name_idx; //-->string_ids }
class_idx: 表示 method 所属的 class 类型,class_idx 的值是 type_ids 的一个 index,并且必须指向一个 class 类型。<font color=red>ushort类型也是为什么我们说一个 dex 只能有 65535 个方法的原因,多了必须分包</font>。
proto_idx: 表示 method 的类型,它的值也是 type_ids 的一个 index。
name_idx: 表示 method 的名称,它的值是 string_ids 的一个 index。
class_def 区段主要是对 class 的定义,它的结构很复杂,看的我有点晕,一层套一层。先看一张 010 的结构图:
看着都晕,别说解析的时候了。
class_def_item 结构描述如下:
uint 32-bit unsigned int, little-endian struct class_def_item { uint class_idx; //-->type_ids uint access_flags; uint superclass_idx; //-->type_ids uint interface_off; //-->type_list uint source_file_idx; //-->string_ids uint annotations_off; //-->annotation_directory_item uint class_data_off; //-->class_data_item uint static_value_off; //-->encoded_array_item }
class_idx: 描述具体的 class 类型,值是 type_ids 的一个 index 。值必须是一个 class 类型,不能是数组类型或者基本类型。
access_flags: 描述 class 的访问类型,诸如 public , final , static 等。在 dex-format.html 里 "access_flags Definitions" 有具体的描述 。
superclass_idx: 描述 supperclass 的类型,值的形式跟 class_idx 一样 。
interfaces_off: 值为偏移地址,指向 class 的 interfaces,被指向的数据结构为 type_list
。class 若没有 interfaces 值为 0。
source_file_idx: 表示源代码文件的信息,值是 string_ids 的一个 index。若此项信息缺失,此项值赋值为 NO_INDEX=0xffff ffff。
annotions_off: 值是一个偏移地址,指向的内容是该 class 的注释,位置在 data 区,格式为 annotations_direcotry_item
。若没有此项内容,值为 0 。
class_data_off: 值是一个偏移地址,指向的内容是该 class 的使用到的数据,位置在 data 区,格式为 class_data_item
。若没有此项内容值为 0。该结构里有很多内容,详细描述该 class 的 field、method, method 里的执行代码等信息,后面会介绍 class_data_item
。
static_value_off: 值是一个偏移地址 ,指向 data 区里的一个列表 (list),格式为 encoded_array_item
。若没有此项内容值为 0。
type_list 在 data 区段,class_def_item->interface_off 就是指的这里的数据。数据结构如下:
uint 32-bit unsigned int, little-endian struct type_list { uint size; type_item list [size] } struct type_item { ushort type_idx //-->type_ids }
size: 表示类型个数
type_idx: 对应一个 type_ids 的 index
class_def_item->annotations_off 指向的数据区段,定义了 annotation 相关的数据描述,数据结构如下:
uint 32-bit unsigned int, little-endian struct annotation_directory_item { uint class_annotations_off; //-->annotation_set_item uint fields_size; uint annotated_methods_size; uint annotated_parameters_size; field_annotation field_annotations[fields_size]; method_annotation method_annotations[annotated_methods_size]; parameter_annotation parameter_annotations[annotated_parameters_size]; } struct field_annotation { uint field_idx; uint annotations_off; //-->annotation_set_item } struct method_annotation { uint method_idx; uint annotations_off; //-->annotation_set_item } struct parameter_annotation { uint method_idx; uint annotations_off; //-->annotation_set_ref_list }
class_annotations_off: 这个偏移指向了 annotation_set_item
具体的可以看 dex-format.html 上的介绍。
fields_size: 表示属性的个数
annotated_methods_size: 表示方法的个数
annotated_parameters_size: 表示参数的个数
class_data_off 指向 data 区里的 class_data_item 结构,class_data_item 里存放着本 class 使用到的各种数据,下面是 class_data_item 的结构 :
uleb128 unsigned little-endian base 128 struct class_data_item { uleb128 static_fields_size; uleb128 instance_fields_size; uleb128 direct_methods_size; uleb128 virtual_methods_size; encoded_field static_fields[static_fields_size]; encoded_field instance_fields[instance_fields_size]; encoded_method direct_methods[direct_methods_size]; encoded_method virtual_methods[virtual_methods_size]; } struct encoded_field { uleb128 filed_idx_diff; uleb128 access_flags; } struct encoded_method { uleb128 method_idx_diff; uleb128 access_flags; uleb128 code_off; }
static_fields_size: 静态成员变量的个数
instance_fields_size: 实例成员变量个数
direct_methods_size: 直接函数个数
virtual_methods_size: 虚函数个数
下面几个就是对于的描述
method_idx_diff: 前缀 methd_idx 表示它的值是 method_ids 的一个 index ,后缀 _diff 表示它是于另 外一个 method_idx 的一个差值 ,就是相对于 encodeed_method [] 数组里上一个元素的 method_idx 的差值 。 其实 encoded_filed - > field_idx_diff 表示的也是相同的意思 ,只是编译出来的 Hello.dex 文件里没有使用到 class filed 所以没有仔细讲 ,详细的参考 dex_format.html 的官网文档。
access_flags: 访问权限,比如 public、private、static、final 等。
code_off: 一个指向 data 区的偏移地址,目标是本 method 的代码实现。被指向的结构是code_item,有近 10 项元素。
code_item 结构里描述着某个 method 的具体实现,它的结构描述如下:
struct code_item { ushort registers_size; ushort ins_size; ushort outs_size; ushort tries_size; uint debug_info_off; uint insns_size; ushort insns [insns_size]; ushort paddding; // optional try_item tries [tyies_size]; // optional encoded_catch_handler_list handlers; // optional }
末尾的 3 项标志为 optional , 表示可能有 ,也可能没有 ,根据具体的代码来。
registers_size: 本段代码使用到的寄存器数目。
ins_size: method 传入参数的数目 。
outs_size: 本段代码调用其它 method 时需要的参数个数 。
tries_size: try_item 结构的个数 。
debug_off: 偏移地址,指向本段代码的 debug 信息存放位置,是一个 debug_info_item
结构。
insns_size: 指令列表的大小,以 16-bit 为单位。 insns 是 instructions 的缩写 。
padding: 值为 0,用于对齐字节 。
tries 和 handlers: 用于处理 java 中的 exception,常见的语法有 try catch。
class_def_item->static_value_off 偏移指向该区段数据。
uleb128 unsigned LEB128, valriable length struct encoded_array_item { encoded_array value; } struct encoded_array { uleb128 size; encoded_value values[size]; }
size : 表示encoded_value 个数
encoded_value: 这个我也没分析出来怎么搞得
map_list 中大部分 item 跟 header 中的相应描述相同,都是介绍了各个区的偏移和大小,但是 map_list 中描述的更加全面,包括了 HEADER_ITEM 、TYPE_LIST、STRING_DATA_ITEM、DEBUG_INFO_ITEM 等信息。
010 中map_list 表示为:
数据结构为:
ushort 16-bit unsigned int, little-endian uint 32-bit unsigned int, little-endian struct map_list { uint size; map_item list [size]; } struct map_item { ushort type; ushort unuse; uint size; uint offset; }
map_list 里先用一个 uint 描述后面有 size 个 map_item,后续就是对应的 size 个 map_item 描述。 map_item 结构有 4 个元素: type 表示该 map_item 的类型,Dalvik Executable Format 里 Type Code 的定义; size 表示再细分此 item,该类型的个数;offset 是第一个元素的针对文件初始位置的偏移量; unuse 是用对齐字节的,无实际用处。