逆向C++学习手记（1）

最近常遇到的尴尬是看着汇编代码却无法在脑中反应出正确的C、C++代码 。近日偶得一篇好文《reverse C++》，细读下来收获不少。遂打算在《reverse C++》的基础上扩展，从汇编角度来认识一些C、C++中的语法现象~先从一些简单的开始...

一、数组

数组是非常基本的数据结构，C++中的数组表现为一段连续可用的内存。注意这段内存地址是连续的，这与很多动态语言中的数组不一样，举例来说PHP中的数组实际上是一种hash表式的实现，因而肯定不会是一段连续的内存。

 

对于充当全局变量的数组，会自动为数组中的每个变量附上默认值；而对于声明在函数体内部的局部变量，则需要手动进行初始化。来看一段简单的代码：

#include <iostream.h>
void main()
{
	int arr[10];
	arr[3] = 22;
	cout<<arr;
}

这段C++代码在main函数中声明了一个长度为10的arr数组，不过并没有初始化，而是仅仅给数组中的一个单元赋予了初始值。在VC6 release下进行编译，优化选项为最快速度，得到的汇编代码如下：

00401000   sub     esp, 0x28               //在栈上开辟40个字节的空间，每个int占4字节
00401003   lea     eax, dword ptr [esp]    //arr 指向栈顶，因此栈顶相当于arr[0]
00401007   mov     ecx, 0040B9B8           //cout指针存入ecx，为方法调用做准备
0040100C   push    eax
0040100D   mov     dword ptr [esp+10], 16  //相当于arr[3]=22
00401015   call    00401020                //eax中存放的arr，执行cout<<ar
0040101A   add     esp, 28                 //回收数组占用的40个字节的空间
0040101D   retn

这里的汇编看着有点乱，比较理想的编译出来的代码应该是：

sub     esp, 28                                 // 执行 int arr[10]

mov     dword ptr [esp+C], 16       // 注意这里是esp+C ，esp 是 arr[0]，所以 arr[3] = esp + C
lea     eax, dword ptr [esp]
push    eax

mov     ecx, 0040B9B8
call    00401020
add     esp, 28
retn

可能有人注意到了这里栈并不平衡，中间的push并没有对应的pop操作，这是因为调用cout对象的<<操作符相当于调用一个类得成员函数，需满足thiscall约定，当参数个数确定的时候，由被调用的call本身来清理堆栈（push的参数个数不确定时，才由调用方来清理）。

 

题外话，cout对象也是一个全局对象，必须要确保在main函数调用之前完成初始化，这样在main里才能直接使用。从Entry Point到main函数调用（5）：_cinit 中介绍了cinit 函数，其实cout 对象的生成也是在cinit中完成的。准确的说，是在

/* 
 * do C++ initializations 
 */ 
_initterm( __xc_a, __xc_z ) 

 

中完成的。在CRT源码中的IOSTRINI.CPP 文件中有如下语句：

ostream_withassign cout(_new_crt filebuf(1));

可见cout 是 ostream_withassign 类型的一个实例。

 

1）数组初始化

还是从一段简单的示例代码说起：

void main()
{
	int arr[10] = {22,99};
}

arr依然是局部变量， 这里只会将arr[0] 和 arr[1] 初始化为22、99，数组中其余的8个变量都会初始化为0。来具体看看main函数的汇编代码：

push    ebp
mov     ebp, esp
sub     esp, 28                   // 开辟40个字节空间当数组
push    edi                       // 暂存edi的值， 因为下面要用到edi寄存器
mov     dword ptr [ebp-28], 16    // arr[0] = 22
mov     dword ptr [ebp-24], 63    // arr[1] = 99
mov     ecx, 8
xor     eax, eax
lea     edi, dword ptr [ebp-20]  // 将arr[2] 的地址放入edi
rep     stos dword ptr es:[edi]  // 该指令将arr[2] - arr[9] 全部清0
pop     edi                      // 回复edi寄存器
mov     esp, ebp
pop     ebp
retn

rep stos dword ptr es:[edi] 会根据ECX的值重复执行，它所作的动作就是从EAX中取4个字节，然后传到EDI所指的内存地址，这个动作会不停重复直到ECX减到0为止。由于是将arr[2] - arr[9]全部置0，所以先将EAX清0。

 

2）全局数组

这里仅仅是验证一下全局变量并非存放在栈上。

int arr[10] = {1,2,3};
void main()
{
	arr[5]=10;
}

在PE文件的.data 区发现了：

 

数组arr 被放到了数据区 00406030 - 00406057 的区域。很显然，这里无法利用ESP + XXX 或者 EBP - XXX 来直接对数组中的内容进行访问，因为arr 并不是存在于栈区。因此在main函数中，对该数组的访问直接写成了硬编码的地址。一旦PE 被映射进内存，就可以直接操作写死的内存地址。这里的main 函数编译成如下：

mov     dword ptr [406044], 1
retn

 

一般对数组的访问都是由基地址（数组首地址）+偏移量组成。

首地址形如： ESP+XXX 或者 EBP-XXX

偏移量形如： ElementSize*INDEX（ElementSize是数组中元素的大小，index放在eax或者ecx等寄存器中）

 

但是这里直接写死的地址406044，406044就表示arr[5]，甚至连“基址 + 偏移量”都没用到。

 

 

 

 

评论

2 楼 driftcloudy 2011-05-31  

RednaxelaFX 写道

话说，要是读过Inside the C++ Object Model的话可能很多东西都会觉得很直观了

还有就是留意一下不同编译器生成的代码的差异…

内力不够深啊TT...我去瞅瞅那本书

1 楼 RednaxelaFX 2011-05-31  

话说，要是读过Inside the C++ Object Model的话可能很多东西都会觉得很直观了

还有就是留意一下不同编译器生成的代码的差异…