从Binary文件到汇编代码

概述

我们常常以为（我之前就这么以为的）反汇编是一个简单的线性逆映射，后来经过研究才发现不是这样的。

第一个原因是data和code往往交织在一起，我们弄不清楚一段二进制是应该按照data处理，还是code处理。线性扫描直接往下扫的话显然会出错，有时候会把程序入口归为前面代码的一部分。

第二个原因是指令咬合（instruction occlusion），比如一个四字节的指令，从低到高是 48 89 75 e0，正常应该反编译为"MOV rsi, -0x20(rbp)"，但是，如果从89开始翻译的话，就是"MOV esi -0x20(rbp)"，甚至，若是从75开始翻译的话也是可以翻译通的，翻译为："JNE 400599"。所以问题来了，一个二进制流可以有多个断句方式，我们往往拿不准该用哪个方式。

步骤1-ELF分析

Linux上是elf

Windows上是PE32

macOS上是Mach-O

ELF包括各种信息，我们需要尽可能的提取利用里面蕴含的信息

？反汇编是只反text段的吗？text会混杂一些data吗？会

？起始点是一定的存在于头文件的，从起始点还不能完全剥离data和text吗？主要是text里确实会包含一些data，比如switch的地址表。

？下载IDA Pro7？ done

？如何交叉编译Linux和Windows的可执行文件on Mac

？从何处开始反汇编？一般就是从text里面反汇编

？如何选择下一条反汇编的指令

？如何区分代码与数据

？以及如何确定何时完成对最后一条指令的反汇编

线性扫描算法无法正确地将嵌入的数据与代码区分开来

步骤2-反汇编

嗯

步骤3-分析我们的正确性（可选）

其实我们可以自己制作一套benchmark体系，我们有开源源码，编译成.o，然后读取出里面的汇编指令作为标准答案。然后把ELF反编译出来的作为对比。开发出一套性能测试的框架，这样每次修改了我们的算法，都可以一行指令验证出我们的运行耗时，准确度指标。

以便于改进持续优化我们的算法，每次的迭代都会有一个量化的结果

MAC上面没有objdump，那就只好用brew按一个 g-的