001--iOS逆向--初识汇编

一个APP安装在手机上面的可执行文件本质上是二进制文件，因为iPhone手机本质上执行的指令是二进制，是由手机上的CPU执行的，所以如果分析二进制就要从汇编语言开始了解。

一、汇编语言的发展

• 机器语言

> 由0和1组成的机器指令.

* 加：0100 0000
* 减：0100 1000
* 乘：1111 0111 1110 0000 
* 除：1111 0111 1111 0000 

• 汇编语言(assembly language)

> 使用助记符代替机器语言
> 如:
* 加：INC EAX    通过编译器 0100 0000
* 减：DEC EAX    通过编译器 0100 1000
* 乘：MUL EAX    通过编译器 1111 0111 1110 0000
* 除：DIV EAX    通过编译器 1111 0111 1111 0000

• 高级语言（High-level programming language)

> C\C++\Java\OC\Swift,更加接近人类的自然语言
> 比如C语言:

* 加：A+B     通过编译器           0100 0000
* 减：A-B     通过编译器           0100 1000
* 乘：A*B     通过编译器           1111 0111 1110 0000
* 除：A/B     通过编译器           1111 0111 1111 0000

我们的代码在终端设备上是这样的过程:

• 汇编语言与机器语言一一对应，每一条机器指令都有与之对应的汇编指令
• 汇编语言可以通过编译得到机器语言，机器语言可以通过反汇编得到汇编语言
• 高级语言可以通过编译得到汇编语言 \ 机器语言，但汇编语言\机器语言几乎不可能还原成高级语言

二、汇编语言的特点

• 可以直接访问、控制各种硬件设备，比如存储器、CPU等，能最大限度地发挥硬件的功能

• 能够不受编译器的限制，对生成的二进制代码进行完全的控制

• 目标代码简短，占用内存少，执行速度快

• 汇编指令是机器指令的助记符,同机器指令一一对应。每一种CPU都有自己的机器指令集\汇编指令集，所以汇编语言不具备可移植性

• 知识点过多，开发者需要对CPU等硬件结构有所了解，不易于编写、调试、维护

• 不区分大小写，比如mov和MOV是一样的

三、汇编的用途

• 编写驱动程序、操作系统（比如Linux内核的某些关键部分）

• 对性能要求极高的程序或者代码片段，可与高级语言混合使用（内联汇编）

• 软件安全，如：

  • 病毒分析与防治
  • 逆向\加壳\脱壳\破解\外挂\免杀\加密解密\漏洞\黑客

• 理解整个计算机系统的最佳起点和最有效途径

• 为编写高效代码打下基础

• 弄清代码的本质

  • 函数的本质究竟是什么?
  • ++a + ++a + ++a 底层如何执行的?
  • 编译器到底帮我们干了什么?
  • DEBUG模式和RELEASE模式有什么关键的地方被我们忽略
  • 等等......

最后来句装13的话

越底层越单纯!真正的程序员都需要了解的一门非常重要的语言---汇编。

四、汇编语言的种类

• 目前讨论比较多的汇编语言有

  • 8086汇编（8086处理器是16bit的CPU）
  • Win32汇编
  • Win64汇编
  • ARM汇编（嵌入式、Mac、iOS）
  • ......

• 我们iPhone里面用到的是ARM汇编,但是不同的设备也有差异.因CPU的架构不同.

架构	设备
armv6	iPhone, iPhone2, iPhone3G, 第一代、第二代 iPod Touch
armv7	iPhone3GS, iPhone4, iPhone4S,iPad, iPad2, iPad3(The New iPad), iPad mini, iPod Touch 3G, iPod Touch4
armv7s	iPhone5, iPhone5C, iPad4(iPad with Retina Display)
arm64	iPhone5S 以后 iPhoneX , iPad Air, iPad mini2以后

五、几个必要的常识

• 要想学好汇编,首先需要了解CPU等硬件结构

• APP/程序的执行过程

• 硬件相关最为重要是CPU/内存

• 在汇编中,大部分指令都是和CPU与内存相关的

六、总线

• 每一个CPU芯片都有许多管脚，这些管脚和总线相连，CPU通过总线跟外部器件进行交互

• 总线：一根根导线的集合

• 总线的分类

  • 地址总线
  • 数据总线
  • 控制总线

举个例子

• 地址总线
  • 它的宽度决定了CPU的寻址能力
  • 8086的地址总线宽度是20，所以寻址能力是1M（ 2^20 ）

• 数据总线
  • 它的宽度决定了CPU的单次数据传送量，也就是数据传送速度
  • 8086的数据总线宽度是16，所以单次最大传递2个字节的数据
• 控制总线
  • 它的宽度决定了CPU对其他器件的控制能力、能有多少种控制

了解下面这些题

例如

七、内存了解

各类存储区的逻辑连接

各类存储器的逻辑连接-物理地址对应图

各类存储器的物理地址情况

• 内存地址空间的大小受CPU地址总线宽度的限制。8086的地址总线宽度为20，可以定位2^20个不同的内存单元（内存地址范围0x00000~0xFFFFF），所以8086的内存空间大小为1MB

• 0x00000~0x9FFFF：主存储器。可读可写

• 0xA0000~0xBFFFF：向显存中写入数据，这些数据会被显卡输出到显示器。可读可写

• 0xC0000~0xFFFFF：存储各种硬件\系统信息。只读

八、进制了解

学习进制的障碍

很多人学不好进制，原因是总以十进制为依托去考虑其他进制，需要运算的时候也总是先转换成十进制，这种学习方法是错误的.
每一种进制都是完美的,想学好进制首先要忘掉十进制，也要忘掉进制间的转换！

进制的定义

• 八进制由8个符号组成:0 1 2 3 4 5 6 7 逢八进一
• 十进制由10个符号组成:0 1 2 3 4 5 6 7 8 9逢十进一
• N进制就是由N个符号组成:逢N进一

进制可以随便定义，例如：

十进制由10个符号组成: 0 1 3 2 8 A B E S 7 逢十进一

这样的目的何在?
传统我们定义的十进制和自定义的十进制不一样.那么这10个符号如果我们不告诉别人这个符号表,别人是没办法拿到我们的具体数据的! 可用于加密!

所以：

十进制由十个符号组成,逢十进一,符号是可以自定义的!!

八进制加法表

 0  1  2  3  4  5  6  7 
10 11 12 13 14 15 16 17
20 21 22 23 24 25 26 27
...

1+1 = 2                     
1+2 = 3   2+2 = 4               
1+3 = 4   2+3 = 5   3+3 = 6
1+4 = 5   2+4 = 6   3+4 = 7   4+4 = 10  
1+5 = 6   2+5 = 7   3+5 = 10  4+5 = 11  5+5 = 12
1+6 = 7   2+6 = 10  3+6 = 11  4+6 = 12  5+6 = 13  6+6 = 14
1+7 = 10  2+7 = 11  3+7 = 12  4+7 = 13  5+7 = 14  6+7 = 15  7+7 = 16

八进制乘法表

0 1 2 3 4 5 6 7 10 11 12 13 14 15 16 17 20 21 22 23 24 25 26 27...
1*1 = 1                     
1*2 = 2   2*2 = 4               
1*3 = 3   2*3 = 6   3*3 = 11    
1*4 = 4   2*4 = 10  3*4 = 14  4*4 = 20
1*5 = 5   2*5 = 12  3*5 = 17  4*5 = 24  5*5 = 31
1*6 = 6   2*6 = 14  3*6 = 22  4*6 = 30  5*6 = 36  6*6 = 44
1*7 = 7   2*7 = 16  3*7 = 25  4*7 = 34  5*7 = 43  6*7 = 52  7*7 = 61

二进制的简写形式

       二进制: 1 0 1 1 1 0 1 1 1 1 0 0
三个二进制一组: 101 110 111 100
       八进制:   5   6   7   4
四个二进制一组: 1011 1011 1100
     十六进制:    b    b    c

二进制：从0 写到 1111
0000 0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111
这种二进制使用起来太麻烦，改成更简单一点的符号：
0 1 2 3 4 5 6 7 8 9 A B C D E F 这就是十六进制了

九、数据的宽度

数学上的数字，是没有大小限制的，可以无限的大。但在计算机中，由于受硬件的制约，数据都是有长度限制的（我们称为数据宽度），超过最多宽度的数据会被丢弃。

#import 
#import "AppDelegate.h"

int test(){
    int cTemp = 0x1FFFFFFFF;
    return cTemp;
}

int main(int argc, char * argv[]) {
    printf("%x\n",test());
    @autoreleasepool {
        return UIApplicationMain(argc, argv, nil, NSStringFromClass([AppDelegate class]));
    }
}

计算机中常见的数据宽度

• 位(Bit): 1个位就是1个二进制位.0或者1
• 字节(Byte): 1个字节由8个Bit组成(8位).内存中的最小单元Byte.
• 字(Word): 1个字由2个字节组成(16位),这2个字节分别称为高字节和低字节.
• 双字(Doubleword): 1个双字由两个字组成(32位)

那么计算机存储数据它会分为有符号数和无符号数.那么关于这个看图就理解了!

无符号数,直接换算!
有符号数:
正数:  0    1    2    3    4    5    6    7 
负数:  F    E    D    B    C    A    9    8
      -1   -2   -3   -4   -5   -6   -7   -8

十、寄存器

内部部件之间由总线连接

• 对程序员来说，CPU中最主要部件是寄存器，可以通过改变寄存器的内容来实现对CPU的控制
• 不同的CPU，寄存器的个数、结构是不相同的

通用寄存器

• ARM64拥有有31个64位的通用寄存器 x0 到 x30,这些寄存器通常用来存放一般性的数据，称为通用寄存器（有时也有特定用途）
  • 那么w0 到 w28 这些是32位的. 因为64位CPU可以兼容32位.所以可以只使用64位寄存器的低32位.
  • 比如 w0 就是 x0的低32位!

• 通常，CPU会先将内存中的数据存储到通用寄存器中，然后再对通用寄存器中的数据进行运算

• 假设内存中有块红色内存空间的值是3，现在想把它的值加1，并将结果存储到蓝色内存空间

• CPU首先会将红色内存空间的值放到X0寄存器中：mov X0,红色内存空间
• 然后让X0寄存器与1相加：add X0,1
• 最后将值赋值给内存空间：mov 蓝色内存空间,X0

pc寄存器(program counter)

• 为指令指针寄存器，它指示了CPU当前要读取指令的地址

• 在内存或者磁盘上，指令和数据没有任何区别，都是二进制信息

• CPU在工作的时候把有的信息看做指令，有的信息看做数据，为同样的信息赋予了不同的意义

  • 比如 1110 0000 0000 0011 0000 1000 1010 1010
  • 可以当做数据 0xE003008AA
  • 也可以当做指令 mov x0, x8

• CPU根据什么将内存中的信息看做指令？

  • CPU将pc指向的内存单元的内容看做指令
  • 如果内存中的某段内容曾被CPU执行过，那么它所在的内存单元必然被pc指向过

十一、bl指令

• CPU从何处执行指令是由pc中的内容决定的，我们可以通过改变pc的内容来控制CPU执行目标指令

• ARM64提供了一个mov指令（传送指令），可以用来修改大部分寄存器的值，比如

  • mov x0,#10、mov x1,#20

• 但是，mov指令不能用于设置pc的值，ARM64没有提供这样的功能

• ARM64提供了另外的指令来修改PC的值，这些指令统称为转移指令，最简单的是bl指令

bl指令 -- 学习

现在有两段代码!假设程序先执行A,请写出指令执行顺序.最终寄存器x0的值是多少?

_A:
    mov x0,#0xa0
    mov x1,#0x00
    add x1, x0, #0x14
    mov x0,x1
    bl _B
    mov x0,#0x0
    ret

_B:
    add x0, x0, #0x10
    ret

分析执行顺序：

• _A执行
  x0 --> #0xa0
  x1 --> #0x00
  x1 --> #0x14 + #0xa0 --> #0xb4
  x0 --> x1 --> #0xb4
• 进入_B执行
  x0 --> #0xb4 + #0x10 --> #0xc4
• 返回到_A执行
  x0 --> #0x0