技术分享 | Python逆向：修改Pycdc源码绕过花指令-技术圈

Pycdc Windows 环境准备

1.安装cmake，下载链接： https://cmake.org/download/（图 1）使用默认安装即可

图 1

2. Pycdc项目的下载链接：https://github.com/zrax/pycdc

3.在下载后的项目目录下执行以下命令cmake CMakeLists.txt

4.提前准备好Visual Studio，并双击打开sln文件（图 2），然后生成解决方案即可。

图 2

Pyc花指令简介

花指令（也称为反汇编花指令或反编译花指令）是一种常见的技术手段，用于增加反编译过程的复杂度和困难度。其目的是为了阻碍逆向工程师或反编译工具对程序的逆向分析，使得程序的源代码或逻辑难以被还原或理解。

在反编译过程中，逆向工程师通常会使用工具来将目标程序的机器码或字节码转换回高级语言的等效表示。这个过程中，工具会按照指令的顺序逐条解析和还原指令的含义和操作。

在pycdc和其他工具的反编译过程中，它们会按照正常的顺序去读取每一条汇编指令（包括操作码和操作数），也就是常说的线性解析。

图3

本文以WMCTF的RightBack赛题为例。使用pycdc项目中的pycdas程序对pyc文件进行字节码提取。

在正常情况下，pycdc在分析字节码时会先解析JUMP_FORWARD操作码和操作数。而在程序运行时，实际上会直接跳转到指定位置，而不会执行跳转位置之间的代码。

然而，pycdc会继续解析每一条操作码和操作数，包括跳转位置之间的代码。

因而解析到如图 3非正常的操作码或者不正常的操作数 <INVALID>，并导致程序崩溃。

Pycdc程序基本逻辑初探

该项目主要包含3个代码文件ASTNode.cpp ASTree.cpp pycdc.cpp，见图 4。

图4

程序中重要函数的调用流程（图 5）如下：

1.main函数会识别pyc文件的Python版本，然后将反汇编的数据传递给decompyle函数。

2.decompyle函数中

a.buildfromcode函数的主要工作是解析反汇编数据

b.print_src函数则用于处理解析后的数据并进行输出。

本文的重点在于buildfromcode函数的功能和作用。

图5

BuildFromCode初探

根据代码第一行的source(code->code()->value(), code->code()->length())，从code中提取出值和长度，作为下文解析的基础，即将python字节码的数据存放在缓存结构体Pycbuffer中。

根据while循环条件(source.atEof())，每次循环会解析每一行的字节码数据（包括操作码和操作数）。根据下方的switch代码，可以确定每个case对应一个操作码的解析，处理相应的操作数，并最终返回解析后的数据。

本文的重点便是在while的循环之中。

代码如下：

PycRef<ASTNode> BuildFromCode(PycRef<PycCode> code, PycModule* mod) {//python字节码的数据存放在缓存结构    PycBuffer source(code->code()->value(), code->code()->length());//pycdc的栈虚拟机技术初始化 解析字节码    FastStack stack((mod->majorVer() == 1) ? 20 : code->stackSize());    stackhist_t stack_hist;
    std::stack<PycRef<ASTBlock> > blocks;    PycRef<ASTBlock> defblock = new ASTBlock(ASTBlock::BLK_MAIN);    defblock->init();    PycRef<ASTBlock> curblock = defblock;    blocks.push(defblock);
    int opcode, operand;    int curpos = 0;    int pos = 0;    int unpack = 0;    bool else_pop = false;    bool need_try = false;    bool variable_annotations = false;//每次循环会解析每一行的字节码数据    while (!source.atEof()) {  ...
        curpos = pos;//移动每行的字节码的指针（重点！）        bc_next(source,  mod, opcode, operand, pos);
        if (need_try && opcode != Pyc::SETUP_EXCEPT_A) {            need_try = false;
             .....         }//每个case对应一个操作码的解析，处理相应的操作数，并最终返回解析后的数据        switch (opcode) {        case Pyc::BINARY_OP_A:            {                ASTBinary::BinOp op = ASTBinary::from_binary_op(operand);                if (op == ASTBinary::BIN_INVALID)                    fprintf(stderr, "Unsupported `BINARY_OP` operand value: %d\n", operand);                PycRef<ASTNode> right = stack.top();                stack.pop();                PycRef<ASTNode> left = stack.top();                stack.pop();                stack.push(new ASTBinary(left, right, op));            }            break;        case Pyc::BINARY_ADD:        case Pyc::BINARY_AND:        case Pyc::BINARY_DIVIDE:        case Pyc::BINARY_FLOOR_DIVIDE:        case Pyc::BINARY_LSHIFT:        case Pyc::BINARY_MODULO:        case Pyc::BINARY_MULTIPLY:        ...        default:            fprintf(stderr, "Unsupported opcode: %s\n", Pyc::OpcodeName(opcode & 0xFF));            cleanBuild = false;            return new ASTNodeList(defblock->nodes());        }
        else_pop =  ( (curblock->blktype() == ASTBlock::BLK_ELSE)                      || (curblock->blktype() == ASTBlock::BLK_IF)                      || (curblock->blktype() == ASTBlock::BLK_ELIF) )                 && (curblock->end() == pos);    }        cleanBuild = true;    return new ASTNodeList(defblock->nodes());

在我们所熟知的解决方案中，如IDA（一种反汇编工具），绕过花指令通常采用递归解析的方法。

在pycdc中，为了绕过这个花指令，我们可以采取类似的方法，即让pycdc不解析跳转位置之间的代码。这样可以避免误解析和解释这些无关的指令，从而减少对程序逻辑的干扰，使分析结果更加准确和可靠。

解决方案

在pycdc的解析之中,JUMP_FORWARD是一条无条件跳转指令,其操作码(opcode)为132。正常情况下,JUMP_FORWARD指令后应当跟随对应的逻辑结构如IF/ELSE/EXCEPT等,用于实现条件和异常跳转。

然而,一些故意植入的非法bytecode可能包含不合理的孤立JUMP_FORWARD指令,未与任何逻辑结构相对应。这会导致Python虚拟机在解析bytecode时,无法判断该JUMP_FORWARD属于哪种逻辑结构,从而造成解析错误。

在pycdc的具体表现为,解析循环在检测到独立的JUMP_FORWARD指令后,当前代码块的类型(curblock->blktype())被错误设为0。借此判断条件，在检测到不合理的JUMP_FORWARD时,跳过该指令的解析过程,使指令指针直接移至JUMP_FORWARD所跳到的代码行，进一步解析。

最终代码表现为在ASTree.cpp的159行增加以下代码，如图 6所示

        if (opcode == 132 && curblock->blktype() == 0) {            int pp = pos;            int ope = operand;            for (int i = 0; i < ope / 2; i++) {                bc_next(source, mod, opcode, operand, pos);            }            continue;        }

图6

取证启示

在进行Python程序逆向分析时,选择合适的反编译工具至关重要。Uncompyle6 是经典的Python反编译工具,但它仅支持Python 3.8以下版本的字节码。针对Uncompyle6的新版本Python的支持,社区存在python-decompile3等派生项目。

相比之下,Pycdc采用模块化和可扩展的设计,其目标是支持任意版本Python字节码的反编译。当我们分析最新版Python 3.9及以上版本的恶意代码时,Pycdc可以提供关键支持。随着Python 3.9及更高版本在恶意程序中的应用日益增多,为了高效解决当前的安全问题,理解并运用好现有的逆向工具源码则尤为重要。

最近，我们在办理案件的过程中，也遇到了一些Python3.9的程序，使用pycdc逆向过程中也发现部分的字节码无法识别导致反编译处理报错，需要手动添加相关字节码至源代码中，也是在本文介绍的buildfromcode函数中switch (opcode) {case 下增加对应的case字节码分支即可，感兴趣的同学也可以对该部分栈虚拟机技术做进一步研究。

供稿：K3
编辑排版：Yvonne
审核：Spartan117