跳到主要内容

可执行文件格式

可执行文件格式​

我们在 [[汇编基础]] 里看到的汇编指令,最终要被打包进一个文件,由操作系统的加载器读进内存、拉起来跑。这一节我们把这个"容器"讲清楚:Linux 上的 ELF,Windows 上的 PE,以及 macOS 上的 Mach-O。理解它们的结构,是逆向时"知道该从哪里找 main 函数"的前提。

为什么要有格式​

假设我们自己设计一份可执行文件。最简单的做法是把机器码原样写到磁盘上,操作系统读进内存,直接跳到第一个字节开始执行。DOS 时代的 .COM 文件就是这么干的,只有 64KB 上限。

问题一多起来这套就不行了。程序要有代码段、数据段、只读数据段,权限还不一样;要能引用外部动态库里的符号;要有调试信息、重定位信息、多线程 TLS。所有这些东西必须打包在一个文件里,加载器要能从里面识别出"哪一段拷到哪里,权限设成什么"。

于是就有了 ELF/PE/Mach-O 这类格式。它们的核心都是一样的:一个头部描述整个文件,一张表告诉加载器怎么把文件切分成"节"或"段",再加上符号表和重定位信息。差别在语法和一些历史包袱。

ELF 的骨架​

ELF(Executable and Linkable Format)是 Linux/BSD 的标准格式。我们先用 readelf 看一个最简单的 hello world。

$ readelf -h hello
ELF Header:
Magic: 7f 45 4c 46 02 01 01 00 00 00 00 00 00 00 00 00
Class: ELF64
Data: 2's complement, little endian
Type: DYN (Position-Independent Executable file)
Machine: Advanced Micro Devices X86-64
Entry point address: 0x1060
Start of program headers: 64 (bytes into file)
Start of section headers: 14312 (bytes into file)

前四个字节 7f 45 4c 46 就是 ELF 的魔数。看到这四个字节我们就知道拿到手的是 ELF 文件了。文件的第一部分是 ELF Header,里面有几个关键字段:类别(32/64 位)、字节序、类型(可执行/共享库/目标文件/核心转储)、目标架构、入口点地址,以及两张表的偏移——Program Header Table 和 Section Header Table。

这两张表体现了 ELF 的双重身份。Program Header 是运行时视角,告诉加载器"把哪一段文件内容映射到哪个虚拟地址、权限是什么";Section Header 是链接时视角,把文件切成 .text、.data、.rodata、.bss 等一大堆逻辑节,给链接器和逆向工具用。同一份内容,两种切法。

跑起来之后,加载器只看 Program Header。剥掉 Section Header 的 ELF 仍然能运行,这也是恶意样本常用的一种反分析手段——用 strip 或者手动清掉节表让 IDA/objdump 一开始不知道函数边界。

常见的节​

逆向时最常打交道的几个节:

  • .text:代码,可执行不可写
  • .rodata:只读数据,常量字符串、跳转表都在这里,strings 命令主要就是扫它
  • .data:已初始化的全局/静态变量,可读可写
  • .bss:未初始化的全局/静态变量,不占磁盘空间,加载时清零
  • .plt 和 .got:动态链接的"跳板"和"地址表",下面单独讲
  • .rela.dyn 和 .rela.plt:重定位表
  • .dynsym 和 .dynstr:动态符号名和字符串
  • .symtab 和 .strtab:完整符号表,strip 之后会被去掉

一个规则:任何以 .debug_ 开头的节都是 DWARF 调试信息,不影响运行,但对逆向极有帮助。样本里如果留着这些,几乎相当于附赠源码。

PLT/GOT:动态链接怎么工作​

调用 printf 这样的库函数,程序自己不知道 printf 在内存里的哪个位置——因为 libc 的加载地址每次都不一样(ASLR)。ELF 用两张表解决这个问题:

**GOT(Global Offset Table)**是一张地址表,加载器/动态链接器把外部符号的真实地址写进这张表里。

**PLT(Procedure Linkage Table)**是一段跳板代码。程序里所有对 printf 的调用,实际上都跳到 printf@plt,这段跳板做的是"读 GOT 里对应的项,间接跳过去"。

大致长这样:

printf@plt:
jmp QWORD PTR [rip + printf@got] ; 间接跳到 GOT 里存的地址
push <index> ; 第一次调用时才走的路径
jmp plt[0] ; 跳到解析器

第一次调用时 GOT 项还没填,跳板里的 push+jmp 会触发 _dl_runtime_resolve,它算出 printf 的真实地址,写回 GOT,然后跳过去执行。以后再调用就直接走 GOT 表项了,这叫延迟绑定(lazy binding)。

为什么要花这么大力气讲 PLT/GOT?因为几乎所有对二进制的常见攻击和防御都跟它有关。GOT 表原本可写,攻击者写它就能劫持后续所有对同名函数的调用,这类攻击叫 GOT overwrite。防御方法叫 RELRO(RELocation Read-Only):full RELRO 会在加载完成后把整个 GOT 标成只读,代价是失去 lazy binding。

看一个 ELF 有没有开 RELRO,用 checksec:

$ checksec --file=./target
RELRO STACK CANARY NX PIE
Full RELRO Canary found NX enabled PIE enabled

这四个字段基本决定了这个二进制的攻击面有多宽,几乎是 pwn 题第一件要看的事。

PE 文件​

Windows 的 PE(Portable Executable)格式起源更早,兼容层更多,但内核思路差不多。PE 也有一个头:先是一段 DOS 头(那句著名的 "This program cannot be run in DOS mode."),然后是 NT 头,里面包含 File Header 和 Optional Header。之后是一张 Section Table,每一项描述一个节的名字、大小、内存权限。

PE 里最关键的两个概念是 IAT 和 EAT。

**IAT(Import Address Table)**类似 ELF 的 GOT,存的是导入的外部函数地址。程序调用 MessageBoxA 时,汇编上是 call [IAT_entry],这个表项由加载器填。

**EAT(Export Address Table)**是当前模块导出给别人用的函数地址表。DLL 里每一个 __declspec(dllexport) 函数最终都会在 EAT 里占一项。

Windows 恶意样本非常喜欢做的一件事叫"API 哈希":为了不留下明显的字符串,不写 LoadLibrary 这几个字,而是遍历 kernel32.dll 的 EAT,对每一项的名字做哈希,和硬编码的目标哈希比较,找到就用。逆向时看到一个函数在遍历 PE 结构里的 EAT,几乎就能确定是这个模式。

顺带一提,PE 有一个非常有用的字段叫 TimeDateStamp,是编译时的时间戳。虽然可以被伪造,但很多样本会忘记改这个字段,可以拿来做粗略的时间轴排序。

Mach-O​

macOS/iOS 用 Mach-O。魔数是 feedface (32 位) 或 feedfacf (64 位),或者 cafebabe 打头的 "Fat Binary"——一个文件里塞多份不同架构的可执行代码,加载器自己挑合适的。

Mach-O 的组织粒度不叫 section 或 segment,叫 Load Commands,一条条命令告诉加载器要做什么:映射哪一段(LC_SEGMENT_64)、依赖哪些动态库(LC_LOAD_DYLIB)、代码签名放哪(LC_CODE_SIGNATURE)。

关键差别是 macOS 强制代码签名。任何未签名或签名被破坏的 Mach-O 都跑不起来,这也是 iOS 越狱和 macOS 逆向要处理的第一件麻烦事。看到 LC_CODE_SIGNATURE 就知道:动了主体代码之后要么重签,要么走越狱旁路。

加载过程​

三种格式的加载器逻辑其实都差不多,以 ELF 为例大致是这样:

  1. 内核 execve 检查文件头,识别是 ELF,创建新的进程地址空间
  2. 按 Program Header 的指示 mmap 各个段进虚拟地址空间,设置权限
  3. 如果程序是动态链接的(几乎所有实际程序都是),把控制权交给动态链接器(通常是 /lib64/ld-linux-x86-64.so.2)
  4. 动态链接器加载所有依赖的共享库,做符号解析和重定位
  5. 调用 .init_array 里的构造函数
  6. 跳到 ELF Header 里指定的入口点开始执行

入口点不是 main。真正的入口点是 _start,由 CRT(C runtime)提供,它负责设置好参数、环境变量、命令行,再调用 __libc_start_main,最后由后者调用 main。这就是为什么用 objdump -d 看,你看到的第一个函数不叫 main。逆向找 main 的一个方法是从 _start 里追:它在调 __libc_start_main 时,rdi 指向的就是 main 的地址。

工具小结​

日常逆向常用的读文件工具:

  • ELF:readelf(结构)、objdump(反汇编 + 结构)、nm(符号)、strings(字符串)、file(快速识别)
  • PE:dumpbin(VS 自带)、CFF Explorer(GUI)、pe-parse(命令行)
  • Mach-O:otool、nm、jtool2

再往深走,这些格式的文档都是公开的:ELF 的规范在 System V ABI 的补充卷里,PE 的规范在微软官网,Mach-O 在 Apple 的 loader.h 头文件里。逆向到一定深度以后,遇到工具解析不了的字段查这些原始文档,基本都能查到。

到这里我们已经能"打开一个二进制文件,认识各个部分"了。下一步是把它拆成函数、串成控制流图——那是 [[静态分析]] 的事。