初识汇编

在逆向开发中,非常重要的一个环节就是静态分析,这里以 iOS 系统为例,首先我们是逆向 iOS 系统上面的 APP,那么我们知道,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,所以静态分析是建立在分析二进制文件上面,所以我们要从基础的汇编开始了解。

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

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 movMOV 是一样的

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
    • 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

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!

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 16bitCPU
    • Win32 汇编
    • Win64 汇编
    • ARM 汇编(嵌入式、MaciOS)等
  • 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 的架构而不同。

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

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

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

内存



  • 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

进制

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。
我们为什么一定要转换十进制呢?仅仅是因为我们对十进制最熟悉,所以才转换。
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

进制的运算

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

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

CPU&寄存器

内部部件之间由总线连接:


CPU 除了有控制器、运算器还有寄存器。其中寄存器的作用就是进行数据的临时存储。

CPU 的运算速度是非常快的,为了性能 CPU 在内部开辟一小块临时存储区域,并在进行运算时先将数据从内存复制到这一小块临时存储区域中,运算时就在这一小快临时存储区域内进行。我们称这一小块临时存储区域为寄存器。

对于 arm64CPU 来说, 如果寄存器以 x 开头则表明的是一个 64 位的寄存器,如果以 w 开头则表明是一个 32 位的寄存器,在系统中没有提供 16 位和 8 位的寄存器供访问和使用。其中 32 位的寄存器是 64 位寄存器的低 32 位部分并不是独立存在的。

  • 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

浮点和向量寄存器

因为浮点数的存储以及其运算的特殊性,CPU 中专门提供浮点数寄存器来处理浮点数

  • 浮点寄存器 64 位: D0 - D31 ,32 位: S0 - S31

现在的 CPU 支持向量运算,(向量运算在图形处理相关的领域用得非常的多)为了支持向量计算系统了也提供了众多的向量寄存器。

  • 向量寄存器 128位:V0-V31

通用寄存器

  • 通用寄存器也称数据地址寄存器通常用来做数据计算的临时存储、做累加、计数、地址保存等功能。定义这些寄存器的作用主要是用于在 CPU 指令中保存操作数,在 CPU 中当做一些常规变量来使用。
  • ARM64 拥有有 32 个 64 位的通用寄存器 x0x30,以及 XZR(零寄存器),这些通用寄存器有时也有特定用途。
    • 那么 w0w28 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。

注意:
了解过 8086 汇编的同学知道,有一种特殊的寄存器段寄存器:CS,DS,SS,ES 四个寄存器来保存这些段的基地址,这个属于 Intel 架构 CPU 中,在 ARM 中并没有

  • 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?
    • CPUpc 寄存器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 寄存器指向过

高速缓存

iPhoneX 上搭载的 ARM 处理器 A11 它的 1 级缓存的容量是 64KB,2级缓存的容量 8M

CPU 每执行一条指令前都需要从内存中将指令读取到 CPU 内并执行。而寄存器的运行速度相比内存读写要快很多,为了性能,CPU 还集成了一个高速缓存存储区域,当程序在运行时,先将要执行的指令代码以及数据复制到高速缓存中去(由操作系统完成),CPU 直接从高速缓存依次读取指令来执行。

bl指令

  • CPU 从何处执行指令是由 pc 寄存器中的内容决定的,我们可以通过改变 pc 寄存器的内容来控制 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,#10mov 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

你可能感兴趣的:(初识汇编)