拿到一个 CTF 逆向题的文件,先拖进 IDA。加载条走完,函数列表里整整齐齐一排 sub_140001000、sub_1400012A0,没有一个能读的名字。点进 main 倒是能找到,但里面全是 sub_... 调用,控制流图分叉得像个迷宫。这时候最想干的事就是找一个叫 check_flag 的函数,可惜它不会自己出现。

静态分析就是在不运行程序的前提下,从文件结构、符号、字符串、反汇编里把可解释的线索拼起来。它不需要调试器,不会触发样本里的反调试,适合做第一轮侦察。但它也有明确的盲区,尤其是运行时才解密的数据。这篇按「先看文件、再看字符串、最后看代码」的顺序走一遍,并在一个自己编译并剥离符号的样本上完整定位校验逻辑。

先看文件:它到底是什么

扩展名是最不可靠的信息。一个 .jpg 可能是压缩包,一个 .bin 可能是 ELF。静态分析的第一步永远是确认容器格式,而不是直接反汇编。

file sample.bin
readelf -h sample.bin
readelf -S sample.bin

file 会给出架构、位数、是否动态链接、是否 stripped。Linux 上的 ELF 用 readelf 看头信息和节区表:.text 是代码,.rodata 是只读常量,.data 是可读写全局变量,.plt 和 .got 负责外部函数调用。Windows 上的 PE 用 objdump -x 或 PE 浏览工具看节区、导入表、导出表。格式不同,但「代码段、数据段、导入函数」这三类信息是对应的。

文件头说明架构、入口点、节区数量和偏移。它决定这个文件能不能被加载,也是判断「是不是加壳」的第一手材料。
节区 / 段.text 放指令,.rodata 放常量字符串,.data 放已初始化变量,.bss 放未初始化变量。名字只是惯例,恶意样本可以改。
符号与导入导出函数名、全局变量名、依赖的动态库函数。有符号时读起来轻松,没有时只能靠模式和引用关系推断。
不要看到 readelf 的输出里节区名奇怪就断定加壳。加壳的典型特征是入口点不在常规 .text、节区权限同时可写可执行、熵很高。单看一个节区名不足以下结论,要继续看入口和实际代码。

动态链接的程序还有一个值得先看的结构:PLT 和 GOT。PLT 是一小段跳板代码,程序调用外部函数时先跳到 PLT,再由 GOT 里的地址转到真正的库函数。第一次调用时地址还没填好,会经过动态链接器解析;之后 GOT 里就是真实地址。分析时看到 call strcmp@plt,说明这是对外部 strcmp 的调用,不是程序自己实现的比较。把导入函数和 PLT 调用点列出来,能快速画出程序「依赖哪些外部能力」的草图,比逐行读代码高效得多。

符号:有和没有,是两种游戏

编译时默认会保留符号表。用 nm 能看到函数和全局变量的名字、类型、地址:T 表示代码段里的全局符号,t 表示局部符号,U 表示未定义、需要动态链接器解决。用 readelf -s 可以看到更完整的符号表,包括节区索引和绑定类型。

发布版经常执行 strip,把 .symtab 删掉。删掉之后 nm 会直接报「no symbols」,反汇编里的函数名退化成地址或 sub_...。但有几类符号通常还在:动态链接需要的 .dynsym,比如 strcmp、malloc、puts;导出表里的公开函数;C++ 的 RTTI 和异常表留下的类型名;以及调试信息没被删干净时残留的文件名和行号。

nm sample
nm -D sample
readelf --dyn-syms sample

如果 nm 没输出,nm -D 还能列出动态符号,这一步经常能直接暴露程序用了什么能力。一个程序导入 socket、connect、send,和导入 fopen、fread、strcmp,分析方向完全不同。导入表是最便宜的「意图线索」,比读汇编快得多。

字符串:最容易被低估的入口

strings 把文件里连续的可打印字符抽出来,默认最小长度是 4。它不需要符号,也不需要正确反汇编,对任何容器都能用。用法上有几个细节值得记住:

strings -n 5 sample
strings -tx sample | head -40
strings -el sample

-n 5 提高最小长度,过滤掉大量噪声;-tx 同时打印十六进制偏移,方便回到文件里定位;-el 按 16 位小端读取,专门对付 Windows 程序里常见的宽字符字符串。最后这个参数很多人不知道,结果对着一个「没有字符串」的 PE 发呆。

找到字符串只是第一步,真正有用的是交叉引用:哪些代码引用了这个地址。反汇编器里通常按 X 或右键查看引用;命令行下可以用 objdump 找到 lea 或 mov 指令里的地址,再反查。字符串 access denied 的引用点附近,往往就是判断成功失败的分支。如果同一个字符串被多处引用,优先看离 main 最近、或分支出口最集中的那一处,别一头扎进日志函数里。

静态分析的信息漏斗
确认文件格式
列出导入函数
抽取字符串
找字符串引用
定位函数与分支

走查:在 stripped 样本里找校验逻辑

还是自己写样本,保证有标准答案。程序读取一个参数,和固定口令比较,成功打印 access granted,失败打印 access denied:

#include <stdio.h>
#include <string.h>

static int verify(const char *s) {
    return strcmp(s, "rusty-key-42") == 0;
}

int main(int argc, char **argv) {
    if (argc != 2) {
        puts("usage: ./vault <key>");
        return 1;
    }
    if (verify(argv[1])) puts("access granted");
    else puts("access denied");
    return 0;
}

编译并剥离符号,模拟发布版:

gcc -O1 -o vault vault.c
strip vault
file vault
nm vault
strings -tx vault | grep -E 'granted|denied|rusty|usage'

nm 会报 no symbols。strings -tx 的输出里能看到几个偏移,例如 2040 access granted、2050 access denied、2060 rusty-key-42。偏移的具体数字随编译器和版本变化,不用背。接下来反汇编,找这些地址被谁引用:

objdump -d -M intel vault | grep -B 6 -A 2 'strcmp@plt'

输出里会出现类似这样的片段(地址和偏移会变):

  11a9: lea    rsi,[rip+0xe54]        # 2004 <_fini>
  11b0: mov    rdi,rax
  11b3: call   1080 <strcmp@plt>
  11b8: test   eax,eax

lea rsi,[rip+...] 里的目标地址就是参与比较的常量。用 objdump -s -j .rodata vault 看这个地址上的内容,能确认它是不是 rusty-key-42。到这一步,即使没有函数名,你也能确定「这个函数把用户输入和某个常量做 strcmp,相等返回 0」。再往上看返回值如何被 test 和跳转使用,就能找到成功分支。

如果反汇编器把 lea 的目标显示成 _fini 之类的错误名字,不要被带偏。这是工具对节区符号的粗略归属,实际内容要用 .rodata 的十六进制转储核对。地址、偏移、节区三者交叉验证,是静态分析里最基本的习惯。

字符串和反汇编对不上时,先怀疑自己看错了节区或用了错误的基址,不要立刻断定「样本在骗人」。PIE 程序的文件偏移和运行时虚拟地址不同,objdump 显示的是虚拟地址,strings -tx 显示的是文件偏移,两者需要换算。这个坑几乎每个人都会踩一次。

反汇编器怎么选,怎么用

命令行 objdump 适合快速确认一小段逻辑,免费、无需图形界面、输出可复制。Ghidra 适合系统性地看整个程序,自带反编译器和交叉引用,免费。IDA 的交互和反编译体验更成熟,有免费版可供学习。三者不是替代关系:常用打法是 Ghidra 里看整体和反编译,遇到关键地址回到 objdump 核对原始指令。

命令行工具

objdump、readelf、strings、nm。启动快、可脚本化、输出稳定,适合做批量筛选和写进报告的证据。缺点是看大程序时缺少导航。

图形反汇编器

Ghidra、IDA、Binary Ninja。自动识别函数、生成调用图、反编译成伪代码,适合理解整体结构。代价是自动分析可能出错,伪代码不等于源码。

反编译出来的 C 伪代码要当成「带类型的注释」,不能当成真实源码。变量名是工具猜的,类型可能不准,循环可能被重构成 while(1) 加 break。它能帮你快速理解意图,但下结论前最好回到汇编确认关键比较和跳转。写报告时,证据应该引用真实指令和地址,而不是只贴一张伪代码截图。

没有符号时,函数边界主要靠三种线索。第一种是常见的函数序言 push rbp 加 mov rbp,rsp,以及结尾的 leave 加 ret;优化后的叶子函数可能没有序言,这条线索会失效。第二种是 call 指令的目标地址,被调用到的位置大概率是函数入口。第三种是异常表和调试信息残留,编译器有时会留下函数范围的元数据。三种线索互相印证,比只认序言可靠。

还有一个容易被忽略的线索:字符串的地址可能出现在数据段而不是代码段。编译器会把一组字符串指针放进 .data.rel.ro,再通过这张表批量处理,例如参数解析或日志分类。这种情况下,直接搜指令里的立即数找不到引用,需要在反汇编里搜表本身的地址,或者用反汇编器的交叉引用功能。表面上看是「没有代码引用这个字符串」,实际上引用藏在一张间接表里,静态阅读时要多留一层心眼。

现象、原因与第一步

现象真实原因第一步查什么
nm 报 no symbols二进制被 strip,符号表删除改用 nm -D 看动态符号,靠字符串和引用定位
strings 找不到关键提示字符串加密、拼接,或是宽字符加 -el,再找解密循环或运行时内存
反汇编显示的目标名明显不对地址落在节区边界,符号归属错误用 objdump -s -j .rodata 核对实际字节
文件偏移和反汇编地址差很多PIE 或节区对齐导致偏移与虚拟地址不同看 readelf -S 的 Address 与 Offset 两列
Ghidra 识别出的函数数量异常少加壳、入口点被改,或代码在非执行节区看入口点、节区权限和熵,先判断是否加壳
伪代码逻辑和汇编对不上反编译推断错误,或优化改写了结构回到关键地址逐条核对 cmp/test/jcc

边界与代价

静态分析最大的盲区是「运行时才存在的东西」。字符串可以在启动时解密,代码可以在运行时解压到另一块内存,函数可以通过函数指针间接调用,配置可以从网络拉取。这些情况在静态视图里要么是一团加密数据,要么是一条没有目标的 call rax。遇到它们,继续硬读收益很低,应该转到动态调试。

第二个代价是时间。一个中等规模的 C++ 程序,函数数量上千,逐个读不现实。有效的静态分析总是从线索出发:导入函数、字符串、错误提示、文件格式、已知常量。先建立假设,再验证假设,而不是从入口点开始顺序阅读。

第三个代价是结论的确定性。静态看到的分支可能永远不会执行,看到的字符串可能只用于日志。写报告时把「静态推断」和「动态确认」分开标注,是专业与否的分界线。下一篇讲动态调试,正好补上这块证据。

当天能自己验证的练习

  1. 编译上面的 vault,先不 strip,用 nm 找到 verify 的地址;再 strip 一次,对比 nm 和 objdump 的输出变化。
  2. 用 strings -tx 找出 rusty-key-42 的文件偏移,再用 readelf -S 找到 .rodata 的偏移和地址,亲手算一次文件偏移到虚拟地址的换算。
  3. 把常量改成中文或更长的字符串,观察 strings 的默认最小长度是否会漏掉它,试试 -n 3。
  4. 用 objdump -d -M intel 统计 call 指令的目标,列出程序调用了哪些外部函数,和 nm -D 的结果对照。
  5. 把 -O1 换成 -O2,重新走一遍字符串引用,观察 verify 是否被内联、strcmp 调用是否还在。

小结

三句话:静态分析从文件格式和导入函数开始,不要一上来就读指令;符号被剥离后,字符串和交叉引用是最可靠的导航;反编译伪代码可以加速理解,但关键结论要回到汇编和真实字节核对。

下一篇讲动态调试。静态分析给了你一张地图,但地图上哪些路真的会被走,只有跑起来才知道。断点、单步、观察寄存器和内存,能把「这段代码可能负责校验」变成「这里确实在比较这两个值」。