Obfuscator-llvm源码分析
1. O-llvm介绍
O-llvm是基于llvm进行编写的一个开源项目(https://github.com/obfuscator-llvm/obfuscator)，它的作用是对前端语言生成的中间代码进行混淆，目前在市场上，一些加固厂商(比如360加固宝、梆梆加固)会使用改进的O-llvm对它们so文件中的一些关键函数采用O-llvm混淆，增加逆向的难度。因此，掌握O-llvm的实现过程，是很有必要的。O-llvm总体构架和llvm是一致的，如图1所示。
图1 LLVM总体架构
其中IR(intermediate representation)是前端语言生成的中间代码表示，也是Pass操作的对象，它主要包含四个部分：
（1）Module：比如一个.c或者.cpp文件。
（2）Function：代表文件中的一个函数。
（3）BasicBlock：每个函数会被划分为一些block，它的划分标准是：一个block只有一个入口和一个出口。
（4）Instruction：具体的指令。
他们之间的关系可用图2表示。
图2 IR中各部分的关系
本次源码分析的版本为Obfuscator-llvm-3.6.1，目前O-llvm包含有三个pass，分别是BogusControlFlow、Flattening 和 Instruction Substitution。它们是O-llvm实现混淆功能的核心，具体实现位于llvm-3.6.1/lib/Transforms/Obfuscation/目录下。下面就对这三个pass进行详细的分析。
2. Pass1：BogusControlFlow
BogusControlFlow的功能是为函数增加新的虚假控制流和添加垃圾指令。
2.1 入口函数runOnFunction
BogusControlFlow继承了FunctionPass，因此它的入口函数即为runOnFunction。在runOnFunction函数的具体实现中，首先判断了两个参数的值：ObfTimes和ObfProbRate，分别代表bcf（BogusControlFlow）循环运行的次数和每个basic block被混淆的几率，它们的默认值分别为1和30%。可通过设置参数boguscf-loop、 boguscf-prob修改它们的默认值。
检查完参数的正确性之后，代码接着判断是否包含了启动bcf的命令。在编译程序代码时，若要启动bcf模块，需要带上参数“-mllvm -bcf”。
参数检查完毕之后，首先调用bogus函数。bogus函数首先将本function的所有basicblock存放到一个list容器中，然后使用一个while循环调用addBogusFlow函数对选中的basicblock进行增加虚假控制流。
2.2 addBogusFlow函数
为了更方便的分析源码，本文用一个简单的例子来查看编译时每一步关键的代码执行之后IR图的变化，测试代码如下所示：
int func1(int a,int b)
{
return a+b;
}该测试代码的func1函数的IR图如图3所示。
图3 func1函数的IR图
addBogusFlow函数首先调用getFirstNonPHIOrDbgOrLifetime函数获取本basicblock中第一个不是Phi、Dbg、Lifetime的指令的地址（在本例中，即为%a.addr = alloca i32, aling 4的地址），然后调用splitBasicBlock函数。splitBasicBlock函数可根据上述指令的地址将一个basicblock一分为二（可称为first basicblock 和original basicblock）。此时的IR图如图4所示。
图4 分割后的IR图
接着调用createAlteredBasicBlock函数对original basicblock进行拷贝生成一个名为“altered basicblock”的basicblock，并对该basicblock加入一些垃圾指令。加入垃圾指令的方法是遍历该basicblock中的所有OpCode，若包含有Add、Sub、UDiv、SDiv、URem、SRem、Shl、LShr、AShr、And、Or、Xor以及FAdd、FSub、FMul、FDiv、FRem指令，则用随机生成一些指令来进行替换。由于该block在程序运行时并不会执行，因此无需担心插入的指令对原始程序运行的结果产生影响。拷贝original basicblock后，IR图如图5所示。
图5 拷贝后的IR图
这时，所有的basicblock已经准备完毕，一共存在有3个basicblock，需要调整他们之间的关系。首先清除first basicblock和altered basicblock跟父节点的关系，代码为：
basicBlock->getTerminator()->eraseFromParent();
alteredBB->getTerminator()->eraseFromParent();清除完毕后的IR图如图6所示。
图6 清除父节点后的IR图
接着下一步的操作是增加basicblock之间的条件跳转指令。对于first basicblock（即为图中的entry），bcf源码的做法是先增加一条比较语句 1.0 = = 1.0 ，然后为真时跳转到original basicblock，为假则跳转到altered basicblock。可用伪代码如下表示：
if( 1.0 == 1. 0)
original basicblock
else
altered basicblock对于altered basicblock模块，在它的尾部增加一条跳转指令，使得当它执行完毕之后(实际上它并不会执行)，跳转到original basicblock模块。此时的IR图如图7所示。
图7 增加跳转指令后的IR图
最后，获取original basicblock中最后一条指令的地址（在该例子中即ret指令的地址），调用splitBasicblock函数将original basicblock一分为二(original basicblok和originalBBpart2)，然后调用如下代码：
originalBB->getTerminator()->eraseFromParent();消除original basicblok和originalBBpart2的关系后，再在original basicblock的末尾加入一个判断语句，为真时跳转到ret指令，为假则跳转到altered basicblock，伪代码如下所示：
if( 1.0 == 1. 0)
ret
else
altered basicblock此时该func1函数的IR图如图8所示：
图8 执行完addBogusFlow函数后的IR图
2.3 doF函数
该函数的功能是将Function中所有为真的判断语句进行替换，比如上一节中的“1.0 == 1.0 ”。它的思想是定义两个全局变量x、y并且初始化为0，然后遍历Module内的所有指令，并将所有的FCMP_TRUE分支指令替换为“y<10 || x*x(x-1)%2 ==0”。替换完毕后func1函数的IR流程图如图9所示：
图9 doF函数执行完毕后的IR图
至此，对func1函数的一次bcf混淆过程就完成了。从该分析也可以看出BogusControlFlow有很多可以改进的地方，这里就不再指出，有兴趣的读者可自行分析修改。
3. Pass2：Flattening
Flattening的主要功能是为函数增加switch-case语句，使得函数变得扁平化。下面就对它的实现源码进行分析。
3.1 入口函数runOnFunction
Flattening继承了FunctionPass，因此它的入口函数即为runOnFunction。在runOnFunction函数的具体实现中，首先判断是否包含了启动fla的命令。在编译目标程序代码时，如要启动fla模块，需要带上参数“-mllvm -fla”。
参数检查完毕之后，调用flatten函数。flatten函数是该Pass的核心，下面对该函数进行分析。
3.2 flatten函数
为了更方便的分析源码，本文用一个简单的例子来查看编译时每一步关键的代码执行之后IR图的变化，测试代码如下所示：
int func1(int a,int b)
{
int result;
if(a>0){
result=a+b;
}
else{
result=a-b;
}
return result;
}图10是func1的原始IR流程图。从该图可以看出，func1有4个basicblock。
图10 func1原始IR图
flatten函数首先将本Function中除了第一个basicblock外的所有basicblock保存到一个vector容器中。接着对basicblock的数目进行了判断，当basicblock的数目小于等于1时，flatten函数会直接退出并返回false。
接着通过F->begin获取本Function的第一个basicblock，并判断该basicblock是否包含有跳转指令；如果有，再进一步判断该指令是否为条件跳转，若是的话则获取该条件跳转指令的地址，并调用splitBasicblock函数通过该地址将第一个basicblock一分为二。
在本例子中，对func1函数调用splitBasicblock函数之后，此时的IR图如图11 所示。
图11 分割后的IR图
如果不是条件跳转指令（比如for循环），则将跳转指令的目标basicblock存储起来，后面会将该basicblock添加到switch-case中。
接着，将第一个basicblock与下一个basicblock的跳转关系删除，代码为：insert->getTerminator()->eraseFromParent();删除后的IR图如图12所示。
图12 删除第一个basicblock的跳转指令之后的IR图
然后在第一个basicblock的末尾创建一个变量switchVar并赋予它一个随机的值，接着创建三个新的basicblock块，分别为“loopEntry”、“loopEnd”以及“swDefault”，并且设置好它们之间的跳转关系，此时的IR图如图13所示。
图13 设置好基本跳转关系后的IR图
这时，基本的switch-case已经有了，下一步操作是将保存在vector中的每一个basicblock都添加到switch-case语句中，每一个basicblock对应一个case，并且每个case的值都是一个随机值。此时的IR图如图14所示。
图14 增加case后的IR图
添加了全部basicblock块之后，需要修改每个basicblock块之间的跳转关系，使得每个basicblock块执行完毕之后，会重新设置switchVar的值，从而回到switch的判断语句时，能够顺利的跳转到下一个case，直到程序执行完毕。此时的IR图如图15所示。
图15 修改各case之间的关系后的IR图
从图11和图15的差别可以看出，执行Flattening后，函数的多了一些basicblock块，而且函数的核心实现部分均位于同一层，每次执行完一个basicblock块后均要返回loopEntry才能执行下一个basicblock。fla和bcf的互相配合，能大大的提高对函数的混淆效果。
4. Pass3：Substitution
Substitution的主要功能是对程序的一些指令进行替换。
4.1 入口函数runOnFunction
BogusControlFlow继承了FunctionPass，因此它的入口函数即为runOnFunction。在runOnFunction函数的具体实现中，首先判断是否包含了启动sub的命令。在编译程序代码时，如要启动sub模块，需要带上参数“-mllvm -sub”。sub模块还支持多次循环操作，可通过参数“-mllvm –sub-loop=xx”显式的设定循环次数，默认为1。
参数检查完毕之后，调用substitute函数。substitute函数的功能是遍历Function内的每一个指令，对符合要求的指令进行替换。
4.2 Substitution函数
该函数的实现主要是依靠最外层的do-while循环和两个for循环。do-while循环主要是根据设定的sub循环次数运行两个for循环。外层for循环是遍历本Function中的每一个basicblock，里层for循环是遍历basicblock中的每一个指令，接着采用一个switch-case语句来对不同的指令进行不同的操作。目前，sub支持五种指令的替换，分别是“Add”、“Sub”、“And”、“Or”以及“Xor”指令。
Add”指令支持4种替换方法，分别是a = b - (-c)、a = -(-b + (-c))、r = rand (); a = b + r; a = a + c; a = a – r 、r = rand (); a = b - r; a = a + b; a = a + r 。
“Sub”指令支持3种替换方法，分别是a = b + (-c)、r = rand (); a = b + r; a = a - c; a = a – r 、r = rand (); a = b - r; a = a - c; a = a + r 。
“And” 指令支持2种替换方法，分别是a = b & c => a = (b^~c)& b 、a = a & b <=> !(!a | !b) & (r | !r) 。
“Or” 指令支持2种替换方法，分别是a = b | c => a = (b & c) | (b ^ c) 、a | b => [(!a & r) | (a & !r) ^ (!b & r) |(b & !r) ] | [!(!a | !b) & (r |!r)] 。
“Xor” 指令支持2种替换方法，分别是a = a ^ b => a = (!a & b) | (a & !b) 、a = a ^ b <=> (a ^ r) ^ (b ^ r) <=> (!a & r | a & !r) ^ (!b & r | b & !r) 。
在substitute函数的switch-case中，程序会随机的调用这些替换方法，部分代码如图16所示。
图16 替换指令的代码
例如，Add指令中，funcAdd是个函数数组，里面存储了NUMBER_ADD_SUBST个替换add指令的函数，get_range是个获取随机数的函数，通过这种方法，可使替换的add具有一定的随机性。对于其他的指令，也是采用类似add指令的方式进行替换的。
5. 改进建议
由于O-llvm的开源性，大家如果要使用该产品的功能，可以在它的基础上做一些修改。
比如在BogusControlFlow中，对于跳转指令为真的分支，O-llvm采用如下指令进行替换“y<10 || x*(x-1)%2==0 ”，使用IDA打开混淆后的so文件可轻易的发现该特征。因此，我建议事先准备多条可以等价替换的指令，在遇到需要替换的地方时，随机的选取其中一条等价指令进行替换。对于basicblock块的划分，也可以采用其他规则来进行划分，大家可以脑洞大开，多尝试尝试。
在Substitution中，我们也可以采用其他的等价指令进行替换，这里也不再举例了。
6. 最后
前段时间，有人在看雪论坛发布了一篇名为《ollvm的混淆反混淆和定制修改》的文章(http://bbs.pediy.com/thread-217727.htm)，大家也可以阅读下该文章，加深对O-llvm的了解。
同时，网易云安全（易盾）也提供Android应用加固应 和iOS应用加固服务，
本文来自网易云社区，经作者王泽华授权发布。
更多网易研发、产品、运营经验分享请访问网易云社区。