朱皮特的博客 自由的飞翔

《Linux黑客的Python编程之道》

2018-09-04
朱皮特
阅读量:

摘自《Linux黑客的Python编程之道》

ctypes

使用 ctypes 的第一步就是明白如何解析和访问动态链接库中的函数。一个 dynamically linked library(被动态连接的库)其实就是一个二进制文件,不过一般自己不运行,而是由别 的程序调用执行。在 Windows 上叫做 dynamic link libraries (DLL)动态链接库,在 Linux 上叫 做 shared objects (SO)共享库。 无论什么平台, 这些库中的函数都必须通过导出的名字调用, 之后再在内存中找出真正的地址。 所以正常情况下, 要调用函数, 都必须先解析出函数地址, 不过 ctypes 替我们完成了这一步。

ctypes 提供了三种方法调用动态链接库:cdll(), windll(), 和 oledll()。它们的不同之处就在 于,函数的调用方法和返回值。 cdll() 加载的库,其导出的函数必须使用标准的 cdecl 调用 约定。 windll()方法加载的库, 其导出的函数必须使用 stdcall 调用约定(Win32 API 的原生约 定)。 oledll()方法和 windll()类似,不过如果函数返回一个 HRESULT 错误代码,可以使用 COM 函数得到具体的错误信息。

直接从 C 库中调用 printf()函数打印一条消息, Windows 中的 C 库 位于 C:\WINDOWS\system32\msvcrt.dll, Linux 中的 C 库位于/lib/libc.so.6。

from ctypes import *
msvcrt = cdll.msvcrt
message_string = "Hello world!\n"
msvcrt.printf("Testing: %s", message_string)

Linux 下:

from ctypes import *
libc = CDLL("libc.so.6")
message_string = "Hello world!\n"
libc.printf("Testing: %s", message_string)

使用 Python 创建一个 C 数据类型很简单,你可以很容易的使用由 C 或者 C++些的组件。 Listing 1-1 显示三者之间的对于关系。网上可以找下

结构和联合

结构和联合是非常重要的数据类型, 被大量的适用于 WIN32 的 API 和 Linux 的 libc 中。 一个结构变量就是一组简单变量的集合(所有变量都占用空间)些结构内的变量在类型上没 有限制, 可以通过点加变量名来访问。 比如 beer_recipe.amt_barley, 就是访问 beer_recipe 结 构中的 amt_barley 变量。

struct beer_recipe
{
	int amt_barley;
	int amt_water;
};
class beer_recipe(Structure):
	_fields_ = [
		("amt_barley", c_int),
		("amt_water", c_int),
	]

ctypes 很简单的就创建了一个 C 兼容的结构。 联合和结构很像。但是联合中所有变量同处一个内存地址,只占用一个变量的内存空间, 这个空间的大小就是最大的那个变量的大小。这样就能够将联合作为不同类型的变量操作访 问了。

PyDbg

Windows 平台下的 Python 调试器。PyDbg 出生于 2006 年,出生地 Montreal, Quebec,父亲 Pedram Amini,担当角色:逆向工程框架 PaiMei 的核心组件。现在 PyDbg 已经用于各种各样的工 具之中了, 其中包括 Taof (非常流行的 fuzzer 代理) ioctlizer(作者开发的一个针对 windwos 驱动的 fuzzer)。

创建两个 Python 文件 my_debugger.py 和 my_debugger_defines.py。我们将创建一个父类 debugger() 接着逐渐的增加各种调试函数。另外,把所有的结构,联合,常量放 到 my_debugger_defines.py 方便以后维护。代码不贴了,参考《Linux黑客的Python编程之道》。

# my_debugger_defines.py
from ctypes import *
# Let's map the Microsoft types to ctypes for clarity
WORD = c_ushort
DWORD = c_ulong
LPBYTE = POINTER(c_ubyte)
LPTSTR = POINTER(c_char)
HANDLE = c_void_p
# Constants
DEBUG_PROCESS = 0x00000001
CREATE_NEW_CONSOLE = 0x00000010
# Structures for CreateProcessA() function
class STARTUPINFO(Structure):
	_fields_ = [
		("cb", DWORD),("lpReserved", LPTSTR),
		("lpDesktop", LPTSTR),
		("lpTitle", LPTSTR),
		("dwX", DWORD),
		("dwY", DWORD),
		("dwXSize", DWORD),
		("dwYSize", DWORD),
		("dwXCountChars", DWORD),
		("dwYCountChars", DWORD),
		("dwFillAttribute",DWORD),
		("dwFlags", DWORD),
		("wShowWindow", WORD),
		("cbReserved2", WORD),
		("lpReserved2", LPBYTE),
		("hStdInput", HANDLE),
		("hStdOutput", HANDLE),
		("hStdError", HANDLE),
		]
class PROCESS_INFORMATION(Structure):
		_fields_ = [
		("hProcess", HANDLE),
		("hThread", HANDLE),
		("dwProcessId", DWORD),
		("dwThreadId", DWORD),
	]
# my_debugger.py
#my_debugger.py
from ctypes import *
from my_debugger_defines import *
kernel32 = windll.kernel32
class debugger():
def __init__(self):
self.h_process = None
self.pid = None
self.debugger_active = False
def load(self,path_to_exe):
...
print "[*] We have successfully launched the process!"
print "[*] PID: %d" % process_information.dwProcessId
# Obtain a valid handle to the newly created process
# and store it for future access
self.h_process = self.open_process(process_information.dwProcessId)
...
def open_process(self,pid):
h_process = kernel32.OpenProcess(PROCESS_ALL_ACCESS,pid,False)
return h_process
def attach(self,pid):
self.h_process = self.open_process(pid)
# We attempt to attach to the process
# if this fails we exit the call
if kernel32.DebugActiveProcess(pid):
self.debugger_active = True
self.pid = int(pid)
self.run()
else:
print "[*] Unable to attach to the process."
def run(self):
# Now we have to poll the debuggee for
# debugging events
while self.debugger_active == True:
self.get_debug_event()
def get_debug_event(self):
debug_event = DEBUG_EVENT()
continue_status= DBG_CONTINUE
if kernel32.WaitForDebugEvent(byref(debug_event),INFINITE):# We aren't going to build any event handlers
# just yet. Let's just resume the process for now.
raw_input("Press a key to continue...")
self.debugger_active = False
kernel32.ContinueDebugEvent( \
debug_event.dwProcessId, \
debug_event.dwThreadId, \
continue_status )
def detach(self):
if kernel32.DebugActiveProcessStop(self.pid):
print "[*] Finished debugging. Exiting..."
return True
else:
print "There was an error"
return False

#my_test.py
import my_debugger
debugger = my_debugger.debugger()
pid = raw_input("Enter the PID of the process to attach to: ")
debugger.attach(int(pid))
debugger.detach()

用 PyDbg 可以很容 易的扩展这种功能,只需要构建一个用户模式的回调函数。当收到一个调试事件的时候,回 调函数执行我们定义的操作。比如读取特定地址的数据,设置更更多的断点,操作内存。操 作完成后,再将权限交还给调试器,恢复被调试的进程。 PyDbg 设置函数的断点原型如下:

bp_set(address, description="",restore=True,handler=None)

address 是要设置的断点的地址, description 参数可选,用来给每个断点设置唯一的名字。 restore 决定了是否要在断点被触发以后重新设置, handler 指向断点触发时候调用的回调函 数。断点回调函数只接收一个参数,就是 pydbg()类的实例化对象。所有的上下文数据,线 程,进程信息都在回调函数被调用的时候,装填在这个类中。

PyDbg 能够很方便的实现一个违例访问处理函数, 并输出相关的奔溃信息。 这次的测试 目标就是危险的 C 函数 strcpy() , 我们用它创建一个会被溢出的程序。 接下来我们再写一个 简短的 PyDbg 脚ᴀ附加到进程并处理违例。溢出的脚ᴀ buffer_overflow.py,代码如下:

#buffer_overflow.py
from ctypes import *
msvcrt = cdll.msvcrt
# Give the debugger time to attach, then hit a button
raw_input("Once the debugger is attached, press any key.")
# Create the 5-byte destination buffer
buffer = c_char_p("AAAAA")
# The overflow string
overflow = "A" * 100
# Run the overflow
msvcrt.strcpy(buffer, overflow)

问题出在这句 msvcrt.strcpy(buffer, overflow), 接受的应该是一个指针, 而传递给函数的 是 一 个 变 量 , 函 数 就 会 把 overflow 当 作 指 针 使 用 , 把 里 头 的 值 当 作 地 址 用 (0x41414141414…..)。 可惜这个地址是很可能是不能用的。 现在我们已经构造了测试案例, 接下来是处理程序了。

#access_violation_handler.py
from pydbg import *
from pydbg.defines import *
# Utility libraries included with PyDbg
import utils
# This is our access violation handler
def check_accessv(dbg):
# We skip first-chance exceptions
if dbg.dbg.u.Exception.dwFirstChance:
return DBG_EXCEPTION_NOT_HANDLED
crash_bin = utils.crash_binning.crash_binning()
crash_bin.record_crash(dbg)
print crash_bin.crash_synopsis()
dbg.terminate_process()
return DBG_EXCEPTION_NOT_HANDLED
pid = raw_input("Enter the Process ID: ")
dbg = pydbg()
dbg.attach(int(pid))dbg.set_callback(EXCEPTION_ACCESS_VIOLATION,check_accessv)
dbg.run()

现在运行 buffer_overflow.py,并记下它的进程号,我们先暂停它等处理完以后再运行。 执行 access_violation_handler.py 文件, 输入测试套件的 PID.当调试器附加到进程以后, 在测 试套件的终端里按任何键,接下来你应该看到和表 4-1 相似的输出。

输出了很多有用的信息片断。第一个部分指出了那个指令引发了访问异常以及指令在哪 个块里。这个信息可以帮助 你写出漏洞利用程序或者用静态分析工具分析问题出在哪里。 第二部分转储出了所有寄存器的值, 特别有趣的是, 我们将 EAX 覆盖成了 0x41414141(0x41 是大写 A 的的十六进制表示)。同样,我们看到 ESI 指向了一个由 A 组成的字符串。和 ESP+08 指向同一个地方。 第三部分是在故障指令附近代码的反汇编指令。 最后一块是奔溃发生时候 注册的结构化异常处理程序的列表。

用 PyDbg 构建一个奔溃处理程序就是这么简单。不仅能够自动化的处理崩溃,还能在 在事后剖析进程发生的一切。下节,我们用 PyDbg 的进程内部快照功能创建一个进 程 rewinder。

进程快照

PyDbg 提供了一个非常酷的功能, 进程快照。 使用进程快照的时候, 我们就能够冰冻进 程, 获取进程的内存数据。 以后我们想要让进程回到这个时刻的状态, 只要使用这个时刻的 快照就行了。

第一步,在一个准确的时间获得一份目标进程的精确快照。为了使得快照足够精确,需 要得到所有线程以及 CPU 上下文,还有进程的整个内存。将这些数据存储起来,下次我们 需要恢复快照的时候就能用的到。

为了防止在获取快照的时候, 进程的数据或者状态被修改, 需要将进程挂起来, 这个任 务由 suspend_all_threads()完成。 挂起进程之后, 可以用 process_snapshot()获取快照。 快照完 成之后, 用 resume_all_threads()恢复挂起的进程, 让程序继续执行。 当某个时刻我们需要将 进程恢复到从前的状态,简单的 process_restore()就行了。这看起来是不是太简单了?

现在新建个 snapshot.py 试验下,代码的功能就是我们输入”snap”的时候创建一个快照, 输入”restore”的时候将进程恢复到快照时的状态。

第一步就是在调试器内部创建一个新线程, 并用此启动目标进程。 通过使用分开的 线程, 就能将被调试的进程和调试器的操作分开, 这样我们输入不同的快照命令进行操作的 时候, 就不用强迫被调试进程暂停。 当创建新线程的代码返回了有效的 PID, 我们就创建另 一个线程,接受我们输入的调试命令。之后这个线程根据我们输入的命令决定不同的操作(快 照,恢复快照,结束程序)。

PyDbg综合应用 创建一个fuzz辅助工具

构建一个工具用来根除应用程序中出现的可利用的漏洞,工具将定位于危险函数,并跟踪它们的调用。当我们认为函数被危险调用了,就将 4 堆栈中的 4 个参数接触引用, 弹出栈, 并且在函数产生溢出之前对进程快照。 如果这次访问 违例了,我们的脚ᴀ将把进程恢复到,函数被调用之前的快照。并从这开始,单步执行,同 时 反 汇 编 每 个 执 行 的 代 码 , 直 到 我 们 也 抛 出 了 访 问 违 例 , 或 者 执 行 完 了 MAX_INSTRUCTIONS(我们要监视的代码数量)。 无论什么时候当你看到一个危险的函数 在处理你输入的数据的时候, 尝试操作数据 crash 数据都似乎值得。 这是创造出我们的漏洞 利用程序的第一步。

Immunity

PyDbg 固然强大, 方便的扩展, 自动化调试。 不过每次要完成任务的时候, 都要自己动手编写代码。 接下来介绍 的 Immunity Debugger 弥补了这点,完美的结合了图形化调试和脚ᴀ调试。它能让你更懒。

IMMUNITY 除 了拥有完整的用户界面外,还拥有强大的 Python 库,使得它处理漏洞挖掘, exploit 开发, 病毒分析之类的工作变得非常简单。

IImmunity 很好的结合了动态调试和静态分析。还有纯 Python 图形算法实现的绘图函数。 接下来让我们深入学习 Immunity 的使用, 进一步的研究 exploit 的开发和病毒调试中的 bypass技术。

注入 HOOK

Fuzz

Code coverage 是一个度量,通过统计测试目标程序的过程中,执行了函数。 Fuzzing 专家 Charlie Miller 通过经验证明,寻找到的 bug 数量和 Code coverage 的增长成正比。

Sulley

强大的基于 Python 的 fuzzing 框架。Sulley 不仅仅是一个 fuzzer; 它还有拥有优秀的崩 溃报告,自动虚拟化技术(VMWare automation)。在 fuzzing 的过程中你可以在任意时刻, 甚至是目标程序崩溃的时候, 从新启动程序到前一刻, 继续寻找 bug 之旅。

驱动的fuzz Driver Fuzzer

用 Immunity 内建的 driverlib 库找出设备名。很简单的使用三行代码就找到了一个可用的设备名\Device\Beep,这省去了我们通过反汇编一行行查找代码的时间。

下面看看 driverlib 是如何查找 IOCTL dispatch function(IOCTL 调度函数)和 IO IOCTL codes(IOCTL 代码)的。 任何驱动要实现 IOCTL 接口,都必须有一个 IOCTL dispatch 负责处理各种 IOCTL 请求。 当驱动被加载的似乎后, 第一个访问的函数就是 DriverEntry。

IDAPython

2004 年 Gergely 和 Ero Carrera 开发了 IDAPython 插件, 将强大的 Python 和 IDA 结合起 来,使得自动化分析变得异常简单。IDAPython能够访问所有的 IDC函数。

Debugger Hook 是 IDAPython 提供的另一个非常酷的功能, 用于 Hook 住 IDA 内部的调试器,同时处理各种调试事件。虽然 IDA 一般不用于调试任务,但是当需要动态调试的时候,调用 IDA 内部调试器还是比外部的会方便很多。之后我们会用 debugger hooks 创建一个代码覆盖率统计工具。 使用 debugger hook 之前, 先要睇你一个一个 hook 类然后在类里头定义各种不同的处理函数。

当一个开发者在寻找软件漏洞 bug 的时候,首先会找一些常用的而且容易被错误使用的函数。比如危险的字符串拷贝函数(strcpy, sprintf),内存拷贝函数(memcpy)等。在我们审核程序的时候, 需要很简单的就找出这些函数。 下面的脚ᴀ, 将跟踪这些危险的函数, 找出调用它们的地方,之后在这些地方的背景色设置成不同的颜色,我们在 IDA 窗口中就能很方便的看出来。

仿真器PyEmu

PyEmu 是一个存 Python 实现的IA32 仿真器,用于仿真 CPU 的各种行为以完成不同的任务。 仿真器非常有用, 比如在调试病毒的时候, 我们就不用真正的运行它,而是通过仿真器欺骗它在我们的模拟环境中运行。 PyEmu里 有 三 个 类 :IDAPyEmu, PyDbgPyEmu 和 PEPyEmu 。

  • IDAPyEmu 用于在 IDA Pro 内完成各种仿真任务(由 DAPython 调用)
  • PyDbgPyEmu 类用于动态分析,同时它允许使用我们真正的内存和寄存器。
  • PEPyEmu 类是一个独立的静态分析库,不需要 IDA 就能完成反汇编任务。

PyEmu 被划分成三个重要的系统: PyCPU, PyMemory 和 PyEmu。与我们交互最多的就是 PyEmu 类,它再和 PyCPU 和 PyMemoey 交互完成底层的仿真工作。当我们测试驱动PyEmu 执行一个指令的时候, 它就调用 PyCPU 完成真正的指令操作。 PyCPU 在进行指令操作的时候, 把需要的内存操作告诉 PyEmu, 由 PyEmu 继续调用 PyMemory 辅助完成整个指令的操作,最后由 PyEmu 将指令的结果返回给调用者。


上一篇 做省心的员工

Comments

Content