05 · ELF 深读:三张纸,把一个文件从头读到脚
04 篇补上那块 /DISCARD/ 以前,objcopy -O binary 抽出来的字节里,hi 后面还跟进过这么一串 04 00 00 00 20 00 00 00…,它来自汇编器塞进去的 .note.gnu.property。现在咱们换个方向,要把文件头、节表、程序头表从头读一遍了,读完您至少能说清它们各管什么。读它们用的家伙什是 readelf,它装机那天跟着 binutils 进了门,一直没派上过正经的用场。实验对象是两样公开的东西。一样是系统里的 /bin/true,您不用编就有。另一样是咱们当场编的三个十行以内的小程序:tiny.c 这个程序里只有一个 main 函数,greet.c 打了一行字,bss.c 挂了一个 400 KB 的全局数组。添上 -no-pie 是为了把住址固定下来,地址固定了读起来才清爽。三份源码就这么长,咱们把它们摆在桌上:
int main(void){return 0;}#include <stdio.h>
int main(void) {
printf("hi from ELF\n");
return 0;
}int big[100000];
int main(void){ return big[0]; }它们各自存成 tiny.c、greet.c、bss.c。您照着数一眼:tiny.c 一行的那个只有一个 main,greet.c 五行,bss.c 两行的那个挂着一个 int big[100000],就是那 400 KB 的全局数组。三条命令摆开:
gcc -no-pie -o tiny tiny.c
gcc -no-pie -g -o greet greet.c
gcc -no-pie -o bssdemo bss.c一个文件头,它交代了整份文件怎么读
readelf -h 问的就是文件头,咱们拿 tiny 看一枪:
展开代码收起代码共 21 行
$ readelf -h tiny
ELF Header:
Magic: 7f 45 4c 46 02 01 01 00 00 00 00 00 00 00 00 00
Class: ELF64
Data: 2's complement, little endian
Version: 1 (current)
OS/ABI: UNIX - System V
ABI Version: 0
Type: EXEC (Executable file)
Machine: Advanced Micro Devices X86-64
Version: 0x1
Entry point address: 0x401020
Start of program headers: 64 (bytes into file)
Start of section headers: 13968 (bytes into file)
Flags: 0x0
Size of this header: 64 (bytes)
Size of program headers: 56 (bytes)
Number of program headers: 15
Size of section headers: 64 (bytes)
Number of section headers: 29
Section header string table index: 28这一屏说的全是文件该怎么读。头 16 个字节里就躺着魔数和两个开关了,咱们用 xxd -l 64 逐格对了一遍:
$ xxd -l 64 tiny
00000000: 7f45 4c46 0201 0100 0000 0000 0000 0000 .ELF............
00000010: 0200 3e00 0100 0000 2010 4000 0000 0000 ..>..... .@.....
00000020: 4000 0000 0000 0000 9036 0000 0000 0000 @........6......
00000030: 0000 0000 4000 3800 0f00 4000 1d00 1c00 ....@.8...@.....咱们看头一行开头的 7f45 4c46,它就是魔数,后面每一格都能在表格里找到归处:
| 偏移 | 字节 | 在文件头里是谁 |
|---|---|---|
0x00 | 7f 45 4c 46 | 魔数 \x7fELF |
0x04 | 02 | Class: ELF64,2 就是 64 位 |
0x05 | 01 | Data: 的 1,是小端 |
0x10 | 02 00 | Type: EXEC 的 2,代表可执行 |
0x12 | 3e 00 | Machine: 的 0x3e,就是 x86-64 |
0x18 | 20 10 40 00 | 入口 0x401020 |
0x20 | 40 00 | 程序头表的门牌 64 |
0x28 | 90 36 | 节表的门牌 13968 |
这两颗开关能说明的是,Class 和 Data 管的就是怎么读,02 说的是 64 位,01 说的是小端。入口位置躺着的 20 10 40 00 得倒过来念,低位字节排在了最前,咱们拼起来就得到了 0x401020。程序头表的门牌紧跟在 64 字节的头后面,节表远在 13968 的位置。 类型字段里写着的会说话。咱们编的 tiny 报的是 EXEC (Executable file),住址是固定的,系统自带的 /bin/true 报的却是 DYN (Position-Independent Executable file),入口写的就是 0x2590 这么个数。DYN 其实就是 PIE,地址是相对的,您可别拿它的入口跟着咱们的 EXEC 并在一起念了。
节表:文件被切成了哪些块
要看的东西都记在节表里,咱们把它一行一行数出来:
$ readelf -S tiny
There are 29 section headers, starting at offset 0x3690:
Section Headers:
[Nr] Name Type Address Offset
Size EntSize Flags Link Info Align
…
[10] .text PROGBITS 0000000000401020 00001020
0000000000000101 0000000000000000 AX 0 0 16
[23] .data PROGBITS 0000000000404000 00003000
0000000000000010 0000000000000000 WA 0 0 8
[24] .bss NOBITS 0000000000404010 00003010
0000000000000008 0000000000000000 WA 0 0 1
…
Key to Flags:
W (write), A (alloc), X (execute), M (merge), S (strings), I (info),
L (link order), O (extra OS processing required), G (group), T (TLS),
C (compressed), x (unknown), o (OS specific), E (exclude),
D (mbind), l (large), p (processor specific).text 和 .data 报的都是 0x40…,那些是它们在内存里的真住址。后面的 .symtab、.strtab、.shstrtab 报的全是 0,它们都进不了内存,是给链接器和调试器留的登记册。 最左边的 Type 说的是这一块的性质,PROGBITS 说的是这一块有位,而 NOBITS 说的是它没有位,后面那个 .bss 会当场演给您看。Flags 那一列是最容易读错的一列,所以咱们请工具自己来给权威解释。readelf -S 在输出末尾自带了 key,那里逐字写着的是 W、A、X、M、S、I 这几个字母的全名。 咱们看 A 字母,它其实是 alloc,要占运行时的内存,它说的既不是读写权限,也不是可执行的权限。 tiny 身上最漂亮的一处,是 .text 的地址 0x401020 跟文件头里那个入口一模一样。
$ objdump -d tiny
0000000000401020 <_start>:
401020: f3 0f 1e fa endbr64
401024: 31 ed xor %ebp,%ebp不过这是本例的性质,咱们不能当规律背。咱们编 tiny 的时候加了 -no-pie,_start 又正好被摆在 .text 的开头,才有这么一处巧合。/bin/true 这类 DYN 文件就不一定了,它的入口并不落在 .text 的第一格上。
一个 400 KB 的数组,装进 15 KB 的文件
.bss 是登记册里奇怪的一位。咱们跑一次 size bssdemo,它报的 bss 是 400032 个字节,文件自己才占了 15856 个字节,这事有点不对了。两个数都摆在同一屏里:
$ size bssdemo
text data bss dec hex filename
1127 488 400032 401647 620ef bssdemo
$ ls -l bssdemo
-rwxr-xr-x 1 … … 15856 Sep 30 14:34 bssdemosize 报的是三段各占多少字节,那个数组自己占 100000 × 4,就是 400000 个字节,bss 那一栏多出来的 400032 里,还含着别的 .bss 内容 32 个字节。ls -l 量的是文件自己躺在地上的长度,15856 字节,换算过来是 15.48 KiB,咱们嘴上说的 15 KB 是往下截了一档。一个 400 KB 的数组,文件里占的却是 15 KB 这个量级,节表里写的这个正是:
$ readelf -S bssdemo
…
[23] .data PROGBITS 0000000000404000 00003000
0000000000000010 0000000000000000 WA 0 0 8
[24] .bss NOBITS 0000000000404020 00003010
0000000000061aa0 0000000000000000 WA 0 0 32
…Type 里写着的 NOBITS 就是没有位的一段,这个名字摆在了那里,咱们到现在才把它说清。文件里却没给它留地方,加载器照着程序头表的 MemSiz 划好地盘,把缺的字节填成零。 FileSiz 说的是文件里的长度,MemSiz 说的是内存里的长度。咱们回 tiny 的程序头表上验这个说法,那个 RW 的 LOAD 的两个数是 0x1e8 和 0x1f0,差了 8 个字节,tiny 里 .bss 的大小正好是 0x8。 咱们把这件事跟 04 篇接上:objcopy -O binary 会把占内存、要装进镜像的段按 LMA 铺进文件,那批 .note 就是这么溜进文件的,.bss 的 NOBITS 是它的反面,它们本来就不是一回事了。
程序头表:装载的人只看这一张
节表给链接器看的是怎么切,程序头表给加载器看的是怎么搬。咱们看的就是同一个文件,它里面节表有 29 个了,程序头表只有 15 个了,数目还不一样了。
展开代码收起代码共 21 行
$ readelf -l tiny
Elf file type is EXEC (Executable file)
Entry point 0x401020
There are 15 program headers, starting at offset 64
Program Headers:
Type Offset VirtAddr PhysAddr
FileSiz MemSiz Flags Align
PHDR 0x0000000000000040 0x0000000000400040 0x0000000000400040
0x0000000000000348 0x0000000000000348 R 0x8
INTERP 0x00000000000003ac 0x00000000004003ac 0x00000000004003ac
0x000000000000001c 0x000000000000001c R 0x1
[Requesting program interpreter: /lib64/ld-linux-x86-64.so.2]
LOAD 0x0000000000000000 0x0000000000400000 0x0000000000400000
0x0000000000000558 0x0000000000000558 R 0x1000
LOAD 0x0000000000001000 0x0000000000401000 0x0000000000401000
0x0000000000000131 0x0000000000000131 R E 0x1000
LOAD 0x0000000000002000 0x0000000000402000 0x0000000000402000
0x0000000000000178 0x0000000000000178 R 0x1000
LOAD 0x0000000000002e28 0x0000000000403e28 0x0000000000403e28
0x00000000000001e8 0x00000000000001f0 RW 0x1000
…那 15 个里有一类的名字叫 LOAD,加载器看到它就明白了,这一段要从文件里搬到内存里去了。这样的条目只有 4 个,那 29 个节里进了段的是 24 个,剩下的 [0] NULL、.comment、.symtab、.strtab、.shstrtab 五个不属于任何一段,这就是两张表分工的最硬证据。它们怎么缝上,工具把它直接印在了末尾(带上 readelf -S 管节表、readelf -s 管符号表,两个开关只差一个字母的大写小写),咱们只取其中两行:
Section to Segment mapping:
Segment Sections...
…
03 .init .text .fini
05 .init_array .fini_array .dynamic .got .got.plt .data .bss
…段 3 里装着的 .init .text .fini 就是这三块,段 5 里装着的数据是那一摊,段 5 里连 .bss 也装了进去。Flags 这一列在两张表里说的并不是一回事。节表的 Flags 是 A/W/X/M/S/I 这一套字母,程序头表的 Flags 说的是内存页的权限,段 3 报的 R E 是可读可执行的代码段,E 没出现的段不可执行,这是内存保护的现场,底下那层页表的事留给后面。 再往下的那个 LOAD 一口气搬走了 0x558 个字节,连 ELF 头自己和程序头表都一起装了。书里点过这件事的,不过书上举的是 32 位那版,它那个例子的第一段从 0x08048000 起,咱们这儿是 64 位,数字换成了 0 和 0x558。INTERP 那一行请出来的解释器是 /lib64/ld-linux-x86-64.so.2,把 libc 挂上的事就归它管了。
名字那一摊:两张符号表
咱们看 tiny 身上的两张表,它其实分成上下两段,上段的只有 5 条,下段的却有 36 条。把它们读出来的开关就是 readelf -s:
$ readelf -s tiny
Symbol table '.dynsym' contains 5 entries:
Num: Value Size Type Bind Vis Ndx Name
0: 0000000000000000 0 NOTYPE LOCAL DEFAULT UND
1: 0000000000000000 0 FUNC GLOBAL DEFAULT UND _[...]@GLIBC_2.34 (2)
2: 0000000000000000 0 NOTYPE WEAK DEFAULT UND _ITM_deregisterT[...]
3: 0000000000000000 0 NOTYPE WEAK DEFAULT UND __gmon_start__
4: 0000000000000000 0 NOTYPE WEAK DEFAULT UND _ITM_registerTMC[...]
Symbol table '.symtab' contains 36 entries:
Num: Value Size Type Bind Vis Ndx Name
…
4: 0000000000401070 0 FUNC LOCAL DEFAULT 10 deregister_tm_clones
29: 0000000000401020 38 FUNC GLOBAL DEFAULT 10 _start.dynsym 是动态的一张,.symtab 是全的,36 条名字都记在里面的,所以 main 和 _start 都上了这本登记册,符号表里写着的还有 Ndx,那是这个符号住在第几号节的意思。.dynsym 里那些名字挂着的 UND 其实是 undefined,它的意思很直白,这个名字根本不在本文件里面的,它得靠别人来补上的,libc 就是那个别人了。 stripped 剥掉的正是 .symtab 里面的登记。/bin/true 是被剥过的,所以您拿 readelf -s /bin/true 去找 main,怎么都找不到。tiny 是咱们自己编的,咱们没剥它,main 和 _start 都在这本登记册上了。stripped 不等于什么名字都没有了,它剥掉的是完整的一本,动态的一本还在。
同一批字节,两副面孔
readelf 管的是文件的结构,objdump 管的是字节怎么读。咱们请 objdump 来收个尾,它能给您两种看法:
$ objdump -S greet
0000000000401136 <main>:
#include <stdio.h>
int main(void) {
401136: 55 push %rbp
401137: 48 89 e5 mov %rsp,%rbp
printf("hi from ELF\n");
40113a: 48 8d 05 c3 0e 00 00 lea 0xec3(%rip),%rax # 402004 <_IO_stdin_used+0x4>
401141: 48 89 c7 mov %rax,%rdi
401144: e8 e7 fe ff ff call 401030 <puts@plt>
…
40114f: c3 ret再来看 tiny 那边的 objdump -d,它只用汇编的,greet 身上加了 -S,所以把源码和字节并排放了,代价是编译时会多留一份调试信息的,所以它的编译命令上添了 -g。再说这里的 -S,咱们接着看地址,<_start> 在 .text 家里报的地址是 0x401020,main 落在了 0x401116,两个地址一比,main 就在 .text 的范围内。 咱们上面这一块换成了 greet,它的 main 住在 0x401136,跟 tiny 的 0x401116 差了 32 个字节,换个文件 main 就换了地方。
读出来一大屏、找不到 main、数组不见踪影
头一个症状是 readelf -l 甩了一大屏,咱们不知道从哪一行下眼。咱们按三张纸的顺序走,它们指的就是文件头、节表、程序头表,文件头里要读的是 Entry point address,它就是咱们的起跑线,咱们再把两个表的门牌顺手记下来。真的入口要去符号表里找,咱们在 tiny 的 .symtab 里能读到一条 _start,它的 Value 就是 0x401020,这个数跟文件头里的入口对得上,咱们的 main 只是被它回头叫到的一个普通函数。 咱们敲 objdump -d tiny | grep -A3 '<_start>' 这行命令,grep -A3 的意思是连标号下面三行一起印出来,地址和它身边的指令都在里面。如果咱们连 _start 都查不着,那多半是文件被剥过了,咱们只能从文件头记下的入口去猜。 第二个症状就是 readelf -s 找不到 main 的,它的来源多半在剥符号表这一步。剥掉的是 .symtab,.dynsym 只收动态链接要用的那几个名字。您在自己的程序上跑一眼 file,报 not stripped 的就带着完整的一层,报 stripped 的,就是被剥过一遍的,符号表跟着短了一截。 第三个症状是那个 400 KB 的数组。size bssdemo 报出的 bss 400032 就是这么个数,回头 ls -l 只剩了 15 KB,您难免怀疑编译器把数组吃掉了。数组并没有丢了,它就是 .bss 里的 NOBITS,文件里就没给它留地方。
债:重定位、动态链接器与权限下的页表
这篇欠下的债不少。.rela.dyn 那批重定位、puts@plt 为什么绕这么大一圈、PLT 与 GOT 那一对表怎么配合作业,都是链接与装载后面的正课。INTERP 请出来的 ld-linux 怎么把 libc 挂上,咱们记在这儿。.eh_frame 和 .sframe 是异常与栈回溯要用的表,.gnu.hash、.gnu.version 归动态链接器管了,这些债也留到以后再还了。.init_array 加上 __libc_start_main 的启动链,欠的是入口约定和运行时那一笔,今天咱们只认了脸。段权限那一列 R E 与 RW 的背后是页表,那是操作系统那层的活。Type 的全貌不止 EXEC 与 DYN,32 位的 ELF 另有一套数字,咱们今天都没碰,readelf 还有别的开关,留到要用的时候再认。 还有 .note.gnu.property 的旧债,咱们一直没有结,它这一回也还躺在文件里面。偏偏是 objcopy -O binary 这一类不问名字的搬法,才会把它一起装进裸镜像里去,这一类顺手牵羊的搬法,咱们在 04 篇那块 /DISCARD/ 上已经吃过它一回亏了。 下一篇里咱们要请出一台模拟出来的机器,把它按自身的方式装进去,看它能不能从起跑线上真的迈出第一步。