汇编基础
汇编基础
在讨论逆向、脱壳、漏洞利用之前,我们先把最底下的东西搭清楚:CPU 到底在读什么,寄存器里放着什么,一条 call 指令背后发生了什么。这一节以 x86-64 为主线,顺带对比一下 ARM64,把逆向工程师日常打交道最多的那一小块指令集讲透。
从 C 到汇编
先看一个最简单的例子。下面这段 C 代码:
int add(int a, int b) {
return a + b;
}
int main() {
return add(3, 4);
}
用 gcc -O0 -S -masm=intel add.c 编出来的 x86-64 汇编,核心几行大致是这样:
add:
push rbp
mov rbp, rsp
mov DWORD PTR [rbp-4], edi
mov DWORD PTR [rbp-8], esi
mov edx, DWORD PTR [rbp-4]
mov eax, DWORD PTR [rbp-8]
add eax, edx
pop rbp
ret
main:
push rbp
mov rbp, rsp
mov esi, 4
mov edi, 3
call add
pop rbp
ret
只看这十几行,我们就能读出好几件事:参数怎么传, 栈帧怎么建,返回值放哪儿,函数怎么调用又怎么返回。这一节接下来就是把这些"到底怎么回事"讲清楚。
寄存器
x86-64 有 16 个通用寄存器,每个 64 位。旧名字继承自 32 位时代,rax 是 64 位,eax 是它的低 32 位,ax 是低 16 位,al/ah 是低 16 位里的低/高 8 位。写 32 位子寄存器时,高 32 位会被自动清零——这个"隐式清零"的行为经常在逆向时救命,看到 mov eax, ... 就知道 rax 高位也没了。
16 个通用寄存器里,有几个在约定俗成的用法上有特殊角色:
| 寄存器 | 常见用途 |
|---|---|
rax | 返回值、部分指令的隐式操作数 |
rbx | callee-saved,被调用方要保留 |
rcx,rdx,rsi,rdi,r8,r9 | System V ABI 下前六个整型参数 |
rsp | 栈顶指针 |
rbp | 栈帧基址,-O0 下常见,-O2 会被优化掉 |
r10-r15 | 剩下的通用寄存器,r12-r15 是 callee-saved |
除此之外还有 rip(指令指针,永远指向下一条要执行的指令)、rflags(标志寄存器,存 ZF/SF/CF/OF 之类的比较结果)、以及一堆做浮点和 SIMD 用的 xmm0-xmm15。
ARM64 的通用寄存器数量翻倍,有 31 个 x0-x30,加上专门的 sp。参数从 x0 开始传,x30 是链接寄存器(相当于 x86 里被 call 隐式压栈的返回地址),这也是为什么 ARM 下你会看到 bl 后紧跟着 stp x29, x30, [sp, #-16]! 这种保存返回地址的模式。
常见指令
真正需要认熟的指令并不多。我们按功能分几组。
数据移动。mov dst, src 是最常见的一条,把源搬到目的。lea dst, [expr] 长得像 mov,但它不读内存,而是把方括号里的地址表达式算出来放进 dst——这是逆向里非常爱用的一个技巧,lea rax, [rdi + rsi*2 + 5] 一条指令就干了乘法加法。看到 lea 千万别以为是访存。
算术和逻辑。add、sub、imul、idiv、and、or、xor、shl、shr、sar。有几个惯用法要记住:xor eax, eax 是编译器写"清零"最喜欢用的形式,比 mov eax, 0 编码更短;test rax, rax 后接条件跳转,是判断寄存器是否为零的标准写法,比 cmp rax, 0 少一个立即数编码。
比较和跳转。cmp a, b 内部做的是 a - b 但不写回,只更新 rflags。紧跟其后的条件跳转看 flags 决定去哪儿:je(等于)、jne(不等于)、jl/jg(有符号小于/大于)、jb/ja(无符号小于/大于)。区分有符号无符号这一点非常重要——CTF 里常见的一类漏洞,就是签名比较后再强转成无符号做数组索引,负数被解释成大正数,越界访问。