五 MachO文件解析

nx_001.jpeg

在上一篇文章中，咱们已经简单的提到了MachO，在用Framework做代码注入的时候，必须先向MachO的Load Commons中插入该Framework的的相对路径，让我们的iPhone在执行MachO的时候能够识别并加载Framework！

窥一斑而知全豹，从这些许内容其实已经可以了解到MachO在我们APP中的地位是多么的重要。同样，在咱们逆向的实践中，MachO也是一道绕不过去门槛！

接下来本文会从以下几点进行阐述：

• MachO文件
• MachO文件结构
• 从DYLD源码的角度看APP启动流程 (重点！！！)

1.什么是MachO文件

Mach-O其实是Mach Object文件格式的缩写，是mac以及iOS上可执行文件的格式， 类似于windows上的PE格式 (Portable Executable ), linux上的elf格式 (Executable and Linking Format)。它是一种用于可执行文件、目标代码、动态库的文件格式。作为a.out格式的替代，Mach-O提供了更强的扩展性。

1.1、常见的MachO文件

1. 目标文件.o
2. 库文件(.a、.dylib、Framework、可执行文件、dyld、*.dsym)文件。

1.2、如何查看文件格式

我们可以通过file指令查看文件的具体格式。

五 file命令1.png

file 文件路径
file WeChat // 查看微信的可执行文件类型
file GPUImage.framework/GPUImage //GPUImage的文件类型

目前已知的架构分为armv7,armv7s,arm64,i386,x86_64等等，MachO中其实也是这些架构的集合。

可以随意建立一个空工程：Dome1

选择Debug，然后Build一下，在Products->显示包内容中查看可执行文件的类型。这个是模拟Debug模式下模拟器的可执行文件的类型。

五 MachO1.png

g)

编辑Edit scheme，将Run下的Debug修改成Relase，此时目标文件还是选择iPhone模拟器。会看到下面的可执行文件类型。

五 Edit scheme1.png

五 MachO2.png

将目标文件设置设置成手机真机运行，Edit scheme还是上一步的保持不变，这时会出现以下的可执行文件类型。

五 Edit scheme2.png

五 MachO3.png

从上面三张图就可以确定MachO可以是多架构的二进制文件，称之为「通用二进制文件」

通用二进制文件是苹果公司提出的一种程序代码。能同时适用多种架构的二进制文件
a. 同一个程序包中同时为多种架构提供最理想的性能。
b. 因为需要储存多种代码，通用二进制应用程序通常比单一平台二进制的程序要大。
c. 但是由于两种架构有共通的非执行资源，所以并不会达到单一版本的两倍之多。
d. 而且由于执行中只调用一部分代码，运行起来也不需要额外的内存。

注：其实除了更改最低版本号可以改变MachO的架构，在XCode的中也可以主动设置。

注意：这里可以查看下最低版本设置为iOS 8，用release打包出的*.ipa中的MachO

五 MachO4.png

1.2、拆分、重组MachO

// 使用lipo -info 可以查看MachO文件包含的架构
lipo -info MachO文件

// 使用lipo –thin 拆分某种架构
lipo MachO文件 –thin 架构 –output 输出文件路径

// 使用lipo -create  合并多种架构
lipo -create MachO1  MachO2  -output 输出文件路径

2、MachO文件结构

五 文件结构1.png

2.1、Mach-O 的组成结构如图所示包括了，Header、load commands、Data部分。

Header包含该二进制文件的一般信息。
1.字节顺序、架构类型、加载指令的数量等。
2.使得可以快速确认一些信息，比如当前文件用于32位还是64位，对应的处理器是什么、文件类型是什么。

Load commands 一张包含很多内容的表。
1.内容包括区域的位置、符号表、动态符号表等。

Data 通常是对象文件中最大的部分
1.包含Segement的具体数据。

本文从两个视角分析Header，分别是「用MachOView可视化后直观的查看」和「系统源码解析」

• 用MachOView可视化后直观的查看。如下图：
  五 文件结构2.png
  
  
  五 文件结构3.png

• 系统源码解析
  五 MachO header.png

2.2、Load Commons

Load commands是一张包含很多内容的表。
内容包括区域的位置、符号表、动态符号表等。

五 MachO load commands1.png

上图Load Commons中的大部分字段在下表中可以找到相关的含义。

名称	含义
LC_SEGMENT_64	将文件中（32位或64位）的段映射到进程地址空间中
LC_DYLD_INFO_ONLY	动态链接相关信息
LC_SYMTAB	符号地址
LC_DYSYMTAB	动态符号表地址
LC_LOAD_DYLINKER	使用谁加载，我们使用dyld
LC_UUID	文件的UUID
LC_VERSION_MIN_MACOSX	支持最低的操作系统版本
LC_SOURCE_VERSION	源代码版本
LC_MAIN	设置程序主线程的入口地址和栈大小
LC_LOAD_DYLIB	依赖库的路径，包含三方库
LC_FUNCTION_STARTS	函数起始地址表
LC_CODE_SIGNATURE	代码签名

其中LC_LOAD_DYLINKER和LC_LOAD_DYLIB

• LC_LOAD_DYLINKER 该字段标明我们的MachO是被谁加载进去的。可以理解为LC_LOAD_DYLINKER指向的地址是微信APP加载小程序的引擎，而我们的MachO是小程序。在上图中可以看到我们的MachODemo1的LC_LOAD_DYLINKER指向的地址就是dyld。dyld确实是用来加载我们app的，在下面一节将会对dyld的源码进行分析，讲述dyld是如何对MachO进行加载的。
• LC_LOAD_DYLIB 该字段标记了所有动态库的地址，只有在LC_LOAD_DYLIB中有标记，我们MachO外部的动态库（如：Framework）才能被dyld正确的引用，否则dyld不会主动加载，这也是上篇文章，代码注入的关键所在！

2.3、Data

Data 通常是对象文件中最大的部分，包含Segement的具体数据，如静态C字符串，带参数/不带参数的OC方法，带参数/不带参数的C函数。

在DemoMachO1中编写一下代码：

• 静态C字符串
• 静态OC字符串
• 带参数的OC方法
• 不带参数的OC方法
• 带参数的C函数
• 不带参数的C函数

在我们的项目中添加以下代码（在ViewController）中

#import "ViewController.h"

/*静态C字符串*/
static const char *cString = "c_string";

/*静态OC字符串*/
static const NSString *ocString = @"oc_string";

@interface ViewController ()
@end

/*C方法(无参数)*/
void CFunc(){
    printf("c_func");
}

/*C方法(有参数)*/
void CFunc1(int a){
    printf("c_func:%d",a);
}
@implementation ViewController
/*OC方法(无参数)*/
-(void)ocFunc{
    NSLog(@"%s",__func__);
    NSLog(@"ocString:%@",ocString);
}
/*OC方法(有参数)*/
-(void)ocFunc1:(NSInteger)a{
    NSLog(@"%s",__func__);
    NSLog(@"ocString:%@",ocString);
}
- (void)viewDidLoad {
    [super viewDidLoad];
    // Do any additional setup after loading the view.
    
    self.view.backgroundColor = [UIColor yellowColor];
    
    CFunc();
    CFunc1(1);
    
    [self ocFunc];
    [self ocFunc1:1];
}

@end

使用MachOView查看MahcO文件。

五 MachO 字符串.png

五 MachO 方法名.png

可以看到，全局静态C字符，方法里面的字符串都被保存在data段的cstring里了。但所有同样的字符串只会被保存一次。
同样所有的OC方法都被保存在methname里了。

上面用cstring和methname距离了data段的作用，同样的所有类名，协议名等也是以同样形式存储在这。

上面已经对MachO有了一个大概的了解，接下来本文就对dyld这么一个重要的东西进行一个初探。

3.DYLD（从源码的角度看APP启动流程）（重点）

dyld (the dynamic link editor)是苹果的动态链接器，是苹果操作系统一个重要组成部分，在系统内核做好程序准备工作之后，交由dyld负责余下的工作。

3.1、在main函数中断点查看

首先思考，在main函数中挂断点能不能查看到APP启动对应的堆栈？
这部分其实靠想，靠猜测很难有答案，我们直接用XCode直接尝试：

五 main断点1.png

可以看到在main函数断点并不能看到启动的对应堆栈，说明main函数也是被别人调用的，而不是处于app启动的堆栈中。
既然main查不到启动堆栈，那么比app更早执行的load方式是否可以找得到呢？

3.2、在load方法中断点查看

1.首先在空工程的ViewController文件中添加以下代码。
2.然后在load函数前设置断点

#import "ViewController.h"
@interface ViewController ()
@end

@implementation ViewController
+(void)load{
    NSLog(@"");
}

- (void)viewDidLoad {
    [super viewDidLoad];
    // Do any additional setup after loading the view.
}
@end

五 load断点.png

五 load start.png

在这可以发现更多的信息，可以很明显的发现，是调用了用dyld中的dyldbootstrap文件中的start方法。
马不停蹄，打开dyld源码，找到对应的dyldbootstrap文件中的start函数。
点击这里下载dyld源码

3.3、在dyldbootstrap中查看start函数

1.打开 dyld 项目，搜索 dyldbootstrap 文件。
2.在dyldbootstrap文件中搜索start函数。

//
//  This is code to bootstrap dyld.  This work in normally done for a program by dyld and crt.
//  In dyld we have to do this manually.
//
uintptr_t start(const struct macho_header* appsMachHeader, int argc, const char* argv[], 
                intptr_t slide, const struct macho_header* dyldsMachHeader,
                uintptr_t* startGlue)
{
    // if kernel had to slide dyld, we need to fix up load sensitive locations
    // we have to do this before using any global variables
    // 滑块，ASLR技术，地址偏移，是MachO文件在内存中的地址重定向
    slide = slideOfMainExecutable(dyldsMachHeader);
    bool shouldRebase = slide != 0;
#if __has_feature(ptrauth_calls)
    shouldRebase = true;
#endif
    if ( shouldRebase ) {
        // 重定向
        rebaseDyld(dyldsMachHeader, slide);
    }

    // allow dyld to use mach messaging
    // 消息初始化
    mach_init();

    // kernel sets up env pointer to be just past end of agv array
    const char** envp = &argv[argc+1];
    
    // kernel sets up apple pointer to be just past end of envp array
    const char** apple = envp;
    while(*apple != NULL) { ++apple; }
    ++apple;

    // set up random value for stack canary
    // 栈溢出保护
    __guard_setup(apple);

#if DYLD_INITIALIZER_SUPPORT
    // run all C++ initializers inside dyld
    runDyldInitializers(dyldsMachHeader, slide, argc, argv, envp, apple);
#endif

    // now that we are done bootstrapping dyld, call dyld's main
    // 正在的启动函数，在dyld中的_main函数中
    uintptr_t appsSlide = slideOfMainExecutable(appsMachHeader);
    return dyld::_main(appsMachHeader, appsSlide, argc, argv, envp, apple, startGlue);
}

从start函数的源码可得知道：dlyd会内存中找到一块地址给MachO使用，也就是ASLR，内存偏移。

最后start函数执行了一个main函数（这个可以不是我们app中的main函数，而是dyld的）并返回。

3.4、在dlyd中查看main函数

由于这一段代码较多，我们也没有必要把每一句代码都弄清楚，这里我们抓住其中的关键代码，足步分析在main函数之前dyld到底帮我们做了哪一些事情。

1.配置环境变量
从main函数的初始，到函数getHostInfo()之前都是在配置一些环境变量，已经一些线程相关的，涉及内容太过底层，这就不一一分析了(其实是能力不及)。

五 配置环境.png

在这一步中有很多if判断，其实里面都是对应的环境变量，这些都是可以在XCode进行相关的配置，进行对应的操作(如Log相关信息)。

2、加载共享缓存库

在iOS系统中，每个程序依赖的动态库都需要通过dyld（位于/usr/lib/dyld）一个一个加载到内存，然而如果在每个程序运行的时候都重复的去加载一次，势必造成运行缓慢，为了优化启动速度和提高程序性能，共享缓存机制就应运而生。所有默认的动态链接库被合并成一个大的缓存文件，放到/System/Library/Caches/com.apple.dyld/目录下，按不同的架构保存分别保存着。其中包括UIKit，Foundation等基础库。

五、加载缓存库.png

五、必须加载的缓存库.png

在源码中可以看到在我们iOS系统中，共享缓存库被明确一定会被加载。
因为这种机制的存在，使得iOS在的对这些基础库的加载的时候时间和内存都得到节约！
但是有时因为共享缓存库的机制的存在使得iOS在共享缓存库里面的C函数，也就是系统C函数变的不是那么静态，有了些许OC运行时的特性！
这部分内容将会在下一篇文章着重讲解！从不一样的角度看Runtime！

3、实例化主程序
加载主程序其实就是对MachO文件中LoadCommons段的一些列加载！
我们继续对代码的跟进，如下6张图：
图片1

图片2

补充：实例化完之后调用addImage(image)，将实例化出来的镜像加入所有的镜像列表sAllImages，主程序永远是sAllImages的第一个对象！

图片3

图片4

图片5

图片6

从源代码可以看出，加载主程序这一步其实很简单，就是将MachO文件中的部分信息一步一步的放入内存。
其中从最后一张图可以了解到：

• 最大的segment数量为256个！
• 最大的动态库（包括系统的个自定义的）个数为4096个！

4、加载动态链接库
加载动态链接库，如Xcode的ViewDebug、MainThreadChecker，我们之后代码注入的库也是通过这种形式添加的！

插入动态链接库

5、链接主程序
链接主程序

link函数里面其实就是对之前的imges（不是图片，这是镜像）进行一些内核操作，这部分Apple没有开源出来，只能看到些许源码，有兴许的同学可以自行查阅：
link

6、加载Load和特定的C++的构造函数方法
无论是从之前断点load方法还是我们现在一步步对源码的根据，都能了解到，dyld的initializeMainExecutable就是就加载load的入口:
initializeMainExecutable1

initializeMainExecutable2

并且最后都能接到一个结论：
由dyld的notifySingle函数经过一系列的跳转，最终会跳转到objc源码中的call_load_methods函数！！

最后找到函数_dyld_objc_notify_register，就在全局都找不到一个调用的地方了，其实这个函数本身就不是给dyld调用的，而是提供给外部调用的。怎么找到是谁调用了_dyld_objc_notify_register呢？
继续打开之前的DemoMachO1，在工程中加上_dyld_objc_notify_register的符号断点看看。

五 符号断点.png

运行工程，断住之后再次查看函数调用栈：

五 _dyld_objc_notify_register1.png

这就可以很清晰的看到，原来是objc_init调用了咱们的_dyld_objc_notify_register函数。

同样打开objc的源码（点击下载objc源码 )
快速定位_dyld_objc_notify_register的调用位置。如图：
图片地址

图片地址2

这样dyld是如何加载咱们的load方法就被找到了。
期间如果有细心的同学可能看到了在notifySingle后面紧跟着doInitialization这样一个函数，这是一个系统特定的C++构造函数的调用方法。
doInitialization

doModInitFunctions

ImageLoadMachO

这种C++构造函数有特定的写法，如下：

__attribute__((constructor)) void CPFunc(){
    printf("C++Func1");
}

7、寻找APP的main函数并调用
寻找APP的main函数并调用

最终dyld的main函数中的主要流程就已经走完了，当然这7个步骤是一条主线，期间还会有很多其他的步骤，过程非常繁琐，这就不一一举例了。大家可以通过阅读dyld的源码尽收眼底。

4.代码资料

代码——暂时未上传

本文讲述了MachO的概述，文件结构，在从其中Load Commons中的LC_LOAD_DYLINKER引出dyld，接下根据dyld源码分析了APP的启动流程。分别是：
1、配置环境变量
2、加载共享缓存库
3、实例化主程序
4、加载动态链接库
5、链接主程序
6、加载Load和特定的C++的构造函数方法
7、寻找APP的main函数并调用

如图：

五 dyld流程.png

另外dyld中LC_LOAD_DYLIB的（加载动态链接库）存在，为我们逆向注入代码提供了无限可能。
MachO中其实还有一些符号表，为系统提供查询对应的方法名称提供了路径。

参考文章：
作者：一缕清风扬万里
原文地址：https://www.jianshu.com/p/95896fb96a03