Ghidra101再入门(上？)-Ghidra架构介绍

Ghidra101再入门(上？)-Ghidra架构介绍

最近有群友问我，说："用了很多年的IDA，最近想看看Ghidra，这应该怎么进行入门？"这可难到我了。。

我发现，市面上虽然介绍Ghidra怎么用的文章和书籍很多，但是结构化介绍Ghidra本身以及它的架构的文章很少（几乎没有）。对于熟悉IDA的群友，反编译器的使用肯定不存在问题，他们需要的是更加深层的知识。

那我就小写几篇文章（希望不会挖坑不填）；这一篇，就从先Ghidra的架构开始说起吧，希望能给已经熟悉或者正在研究静态逆向的朋友们些许帮助。

---

这篇文章将讨论下面这些问题，如果有写的不清楚/不对的地方，希望大家告诉我：

• 为什么要整理这些知识？
• 什么是反编译？
• Ghidra反编译器的主要架构是什么样？
• Ghidra的主要模块有哪些，都是干啥用的？
• Ghidra这套框架牛逼在哪里？在哪里有很大的缺陷？
• Ghidra相比于IDA有什么区别/优点/缺点？
• 为什么Ghidra会设计成这个样子？
• 其它。。。。？

1、为什么要整理这方面的知识？

学习静态逆向，大家都是从使用IDA/Ghidra这类反编译器的使用开始。然后逐步的深入到各种复杂的场景。

现代静态逆向的工作越来越复杂，对抗越发深入；梳理反编译器架构的知识，学习程序分析技术，在日常工作生活中，一旦反编译器出现什么问题，能够知道如何对反编译器进行修改与优化，多一条解决问题的路子。

可惜，市面上能够供我们学习的反编译框架并不多，反编译软件开发的难度高、工作量大（IDA和Ghidra都已经持续开发了近30年），IDA对外提供的资源又非常的少。幸好Ghidra开源了，给我们提供了一个了解这方面知识的门道。

2、什么是反编译？

所谓"反编译"有广义+狭隘的两层含义；

从广义上，反编译指的是将低级语言、机器语言转换成高级语言一系列技术的集合。技术落地的产品就是"反编译器"。

当然，这篇文章中的反编译更加接地气一点；所谓反编译-~反编译~~反的是什么呢？当然是编译器啊！

所以，从狭隘的角度来看，反编译技术指的是识别编译器优化算法特征，基于程序分析技术编写反向算法，从编译产物中还原被编译器隐藏的高层次抽象。

这种反向算法的集大成者，我们就称为"反编译器"！因此，这篇文章就是参考Ghidra，介绍这一集大成者的主要架构与功能。

如果从正向写代码的角度来看，整个Ghidra对应的应该是IDE（集成开发环境），Ghidra中的反编译器对应的是gcc这类编译器。

3、Ghidra整体架构/主要模块简述

如下图，这是我大概画的Ghidra反编译器主要模块结构。

我画的比较粗糙，一定会有比较多的遗漏的点。先简单介绍一下各个子模块的作用，从上到下，从左到右：

• Ghidra反编译框架插件：可以在Ghidra的tool目录中找到这些功能，和IDA中的plugin功能类似，Ghidra提供了一套专门的脚本管理页面。
• Ghidra配套脚本：用于兼容多个平台、headless模式等等的打包后的脚本。
• Ghidra-Java-Frameword软件主程序：Ghidra的主程序，包含了绝大多数的组件。
• SoftwareModeling上层二进制抽象：Java代码中对于二进制的抽象，包括了反汇编、中间语言、函数CFG、二进制内存模型等等，逆向工程的主要工作之一，就是从二进制中还原这些上层信息。
• Ghidra-Decompiler反编译进程：Ghidra的"F5"功能，将中间语言转换为类C的伪代码，他是一个完全独立的模块，与Java主进程通过自定义的"字符流"交互。
• Ghidra-Decompiler命令行程序：Ghidra的"F5"功能完全独立，因此它可以自己以命令行形式启动并加载二进制，独立的完成反编译的工作。
• Sleigh-Processor编译器：将Sleigh编译成.sla的支持组件
• Sleigh-Processor描述模块：Ghidra的核心功能，用于支持x86、arm、mips等数十种指令集架构；GCC、MSVC、GO、Java等多种编译器的"描述模块"。
• Ghidra开发者套装：包括Sleigh以及Ghidra插件的eclipse-IDE开发支持套件，但是我用IDEA+vscode（喂喂，eclipse都啥时候的老古董了啊）

下面的重心放在三个最重要的组件：Ghidra-Framework主程序、Decompiler反编译器、Sleigh-Processor指令集架构描述配置。

4、Ghidra-Framework软件主程序：

这个组件是Ghidra的主程序，使用Java编写，也就是我们反编译时所使用的Ghidra那一整套界面（Ghidra啥时候找个产品经理和设计师，把你那破UI修一下啊）

主程序的功能十分的复杂，这里只说两个关键模块：

4-1、Analysis分析器：

与IDA不同，Ghidra虽然负责载入可执行文件，但是对于函数识别、反汇编、栈平衡、指令等等解析与处理，都需要分析器完成（IDA会自动的完成这部分工作）。

可以说，Analysis模块除了不负责"F5"，其它啥功能都要做；

但对于反编译器，核心的Analysis有那么几个：

• 匹配查找函数头（function start search）：通过编译器的配置以及特定的二进制信息查找函数起始位置，配置文件可以在Processor中的xxxxpattern.xml中找到
• 递归下降反编译（Symbol/Disassemble/Subroutine）：从已知的函数头执行递归下降的反编译，已知的函数头通过匹配查找、符号信息、start函数入口等等方法获取。
• No-Return函数处理（No-Return Function）：通过规则识别并传播标记no-return函数。
• 数据引用（Reference）:反编译过程中对于数据地址、字符串、常量的引用信息

4-2、SoftwareModeeling二进制抽象：

这个模块是上层java进程中的二进制抽象，所谓"二进制的抽象"指的是从二进制中还原出高层的信息，包括：二进制内存结构、函数、导入表、导出表、反汇编指令、中间语言、数据与交叉引用等等。

因此反编译器的界面和写代码时的IDE很相似(个人看法)。

5、Sleigh-Processor指令集架构描述

这个模块是Ghidra最牛逼的东西，它继承了反编译技术奠基者Cifuentes, C博士和M. Van Emmerik博士的QUBT框架。

在反编译器开发的过程总，最麻烦的事情之一，就是对不同指令集架构、编译器、ISA的适配；并且这个工作还没有讨巧的办法，就是纯纯的苦力活。

例如，在IDA中如果需要支持一个新的指令集，就必须编写一个叫做processor的模块。而在Ghidra中"不需要写代码"通过这一套描述语言实现了多架构的支持功能。

5-1、binary-rewrite技术简述

在上个世纪末，操作系统、指令集、ISA并没有现在这么统一。

那时候的程序员也遇到了多架构的麻烦：给特定平台开发的程序换个平台就用没法用了，需要重新写。

学术界就提出了"Binary-rewrite"技术，通过一套系统将程序从一个平台转换为另一个平台（例如将C语言编写的程序，转换到JVM上运行）

UQBT框架实现了将二进制转换为中间语言，再将中间语言重编译成其它平台的能力。

为了降低从二进制到中间语言的转换成本，UQBT框架提供了一种叫做"通用描述语言Semantic Syntax Language (SSL)"的描述类型语言

通过写对指令集、操作系统、调用约定的描述配置，不用写代码，就可以实现从二进制到中间语言的转换。

5-2、Ghidra-Sleigh描述语言概述

同样，Ghidra这套描述语言的原型来自"Binary-rewrite"技术中的SSL类描述语言。

介绍Sleigh编写与适配指令集的文章已经很多了，这里我也就简单的介绍一下，有需要可以去看Ghidra的官方文档。

总得来说，一套完整的Processor描述应该由这么几部分组成：

• 语言总描述（.ldefs）：描述这是什么架构、大小端、编译器等等
• ISA描述(.slaspec/.sinc/.pspec)：最主要的模块，描述指令集、寄存器、中间语言对应关系等等复杂的情况
• 编译器/调用约定描述(.cspec)：主要是描述不同编译器的调用约定，比如x86就有MSVC、GCC、Go等很多种可能的编译器，不同编译器都有单独的配置。
• 函数匹配（xxxpattern.xml）：二进制形式的函数匹配，一般是用于匹配函数头。

5-3、对比IDA-Processor，Sleigh的优势是什么？

这是个很有意思的问题，我也不是编译领域的专家，如果说的不对麻烦大佬们指教指教。

在最初的binary-rewrite的QUBT论文中，作者提出了"相比于编写Processor代码，使用SSL描述语言工作量能减少一个数量级"的观点。

但是，在我把两边都尝试过之后，发现其实对于不熟悉的新手，两边的学习成本都很高。

IDA需要了解清楚Processor框架中，并且IDA的资料很少。还有一点，IDA缺少很多通用能力，比如，IDA似乎没有提供通用间接跳转处理的代码，恢复switch间接跳转的代码是非常难写的。

而Ghidra-Sleigh等于重新学习了一种语言，不过由于它和指令集架构很像，所以没有那么困难。并且Ghidra的反编译做了很多的工作，开发者不需要考虑别的，只需要"描述清楚"，剩下的交给反编译就行了。

所以，我个人觉得，在Processor编写中并不能减少什么工作量，还是一个体力工作。Sleigh的优势在于他的格式很规范，谁写都一样，因此写问题也很容易修。并且反编译器承担了很多麻烦的工作，我们只需要按部就班的"描述"就好了。

6、Decompiler反编译器

如果对反编译的实现细节有兴趣，可以先看看官方文档，（或者等我下一篇文章，但是不知道什么时候填好坑）

Ghidra提供了和IDA-F5同样的将中间语言"lift"到类C语言伪代码的功能。

但是和IDA的架构不同，Ghidra的反编译器是一个完全独立的进程 ，并且是一个完全独立的模块。而IDA中反编译模块是集成在主程序中。

并且Ghidra反编译器在设计时就是"架构无关"的，无论是什么指令集（哪怕是VMP)，只要写好中间语言p-code的转换功能，Ghidra都能把他翻译成类C的伪代码。你看看隔壁IDA，一个指令集的F5支持都能卖个好几万。

6-1、完全独立反编译器的架构缺陷

完全独立的反编译器/进程，意思是反编译器可以独立编译并运行，上层Java应用通过开启进程并使用字符流与反编译进程进行交互。

但是，这种做法引入了很多的架构问题（我个人看法啊）：

• 进程间通信会有很多额外的开销。
• 主Java程序和反编译模块
• 主Java程序和和反编译模块需要同时维护两套"二进制抽象"；无法互相复用。
• 每当反编译需要上层的数据（比如我手动修改了函数签名），只能通过进程间通信获得，这使得类似功能开发十分的麻烦。
• 主Java功能和native反编译功能同时实现了一些功能类似的分析，无法重用代码。
• 无法展示反编译结果与汇编/中间语言的对应关系。
• Ghidra的字符流好奇怪，比较难看懂。

可以说，所有的麻烦，都是因为两边完全独立导致没法共享资源导致的。

6-2、从架构上对比IDA与Ghidra反编译的F5能力

个人感觉，无论是从反编译的效率还是准确率来说，毫无疑问，IDA就是这个领域的"行业标准"

但是如果需要重头支持一套新的指令集，那我一定选择Ghidra，毕竟IDA没有F5给我用。

大家都知道，IDA的反编译中层优化使用了8层转换，每向上一层中间语言就能缩减一部分，从下到上依次为：

• MMAT_GENERATED：类似于汇编
• MMAT_PREOPTIMIZED：在basic-block上构造def+use+kill关系
• MMAT_LOCOPT：在basic-block完成局部优化，构造CFG，处理基于规则的窥孔优化
• MMAT_CALLS：基于调用约定识别函数调用、参数、返回值
• MMAT_GLBOPT1：将call的各种block进行合并，全局优化，全局死代码消除
• MMAT_GLBOPT2：全局优化，全局常量传播与条件优化
• MMAT_GLBOPT3：全局窥孔优化
• MMAT_LVARS：局部变量还原

但是Ghidra不同，Ghidra将所有的优化代码全部塞到了coreation.cc一个文件里面。并且使用了类似于"不动点算法"的工作原理，不断的优化直到中间语言无法优化下去位置（不再改变）

我按照个人的经验，将Ghidra的反编译器中端从里到外、从前到后整理，依次为：

• action-base：通过流敏感技术，将机器码翻译成中间语言，识别函数，处理间接跳转等等。
• action-stackstall：抽象操作栈信息，恢复栈变量
• Varnode：还原高层变量信息
• action-rule：窥孔优化，通过预置的规则对语义进行等价还原
• typerecovery：还原类型信息
• struct: 还原控制流信息

Ghidra这种不断循环的算法，存在很大的性能问题，对于超大的函数往往会反编译超时。并且这种将优化代码全部塞到coreation.cc的做法。。。使得代码层次十分混乱。

这一篇文章就到这吧，后面是反编译器设计的内容了，再写下去太长了，留到以后的文章吧。

7、之后的内容？

如果有时间填坑？

后面将会详细说说Ghidra-decompiler反编译器F5组件的实现细节以及架构。

以及当反编译器出现问题的时候（比如花指令等混淆），如何进行修复。