如何合并两个二进制可执行文件？

Question

这个问题是我之前提出的另一个问题的延伸。简而言之，这是我试图将两个完全链接的可执行文件合并成一个完全链接的可执行文件的尝试之一。与之前的问题不同之处在于，之前的问题涉及将对象文件合并到完全链接的可执行文件中，这更难，因为这意味着我需要手动处理重定位。

我有以下文件: example-target.c:

#include <stdlib.h>
#include <stdio.h>

int main(void)
{
    puts("1234");
    return EXIT_SUCCESS;
}

example-embed.c:

#include <stdlib.h>
#include <stdio.h>

/*
 * Fake main. Never used, just there so we can perform a full link.
 */
int main(void)
{
    return EXIT_SUCCESS;
}

void func1(void)
{
    puts("asdf");
}

我的目标是将这两个可执行文件合并成一个最终的可执行文件，该文件与example-target相同，但还有另一个main和func1函数。

从BFD库的角度来看，每个二进制文件都由一组节（section）组成。我面临的第一个问题是这些节具有冲突的加载地址（如果我要合并它们，这些节将重叠）。

为了解决这个问题，我通过程序分析example-target，获取其每个节的加载地址和大小列表。然后我对example-embed进行了相同的操作，并使用这些信息动态生成了一个链接命令，以确保example-embed.c的所有节被链接到不与example-target中的任何节重叠的地址。因此，在此过程中实际上完全链接了两次example-embed：一次确定有多少节以及它们的大小，再一次以确保与example-target没有节冲突而链接。

在我的系统上，生成的链接器命令如下：

-Wl,--section-start=.new.interp=0x1004238,--section-start=.new.note.ABI-tag=0x1004254,
--section-start=.new.note.gnu.build-id=0x1004274,--section-start=.new.gnu.hash=0x1004298,
--section-start=.new.dynsym=0x10042B8,--section-start=.new.dynstr=0x1004318,
--section-start=.new.gnu.version=0x1004356,--section-start=.new.gnu.version_r=0x1004360,
--section-start=.new.rela.dyn=0x1004380,--section-start=.new.rela.plt=0x1004398,
--section-start=.new.init=0x10043C8,--section-start=.new.plt=0x10043E0,
--section-start=.new.text=0x1004410,--section-start=.new.fini=0x10045E8,
--section-start=.new.rodata=0x10045F8,--section-start=.new.eh_frame_hdr=0x1004604,
--section-start=.new.eh_frame=0x1004638,--section-start=.new.ctors=0x1204E28,
--section-start=.new.dtors=0x1204E38,--section-start=.new.jcr=0x1204E48,
--section-start=.new.dynamic=0x1204E50,--section-start=.new.got=0x1204FE0,
--section-start=.new.got.plt=0x1204FE8,--section-start=.new.data=0x1205010,
--section-start=.new.bss=0x1205020,--section-start=.new.comment=0xC04000

（请注意，我使用objcopy --prefix-sections=.new example-embedobj为节名称加上了.new前缀，以避免节名称冲突。）

然后我编写了一些代码来生成一个新的可执行文件（从objcopy和Security Warrior书籍中借鉴了一些代码）。新的可执行文件应该具有：

• example-target的所有节和example-embed的所有节
• 一个符号表，其中包含example-target的所有符号和example-embed的所有符号

我编写的代码如下：

#include <stdlib.h>
#include <stdio.h>
#include <stdbool.h>
#include <bfd.h>
#include <libiberty.h>

struct COPYSECTION_DATA {
    bfd *      obfd;
    asymbol ** syms;
    int        symsize;
    int        symcount;
};

void copy_section(bfd * ibfd, asection * section, PTR data)
{
    struct COPYSECTION_DATA * csd  = data;
    bfd *             obfd = csd->obfd;
    asection *        s;
    long              size, count, sz_reloc;

    if((bfd_get_section_flags(ibfd, section) & SEC_GROUP) != 0) {
        return;
    }

    /* get output section from input section struct */
    s        = section->output_section;
    /* get sizes for copy */
    size     = bfd_get_section_size(section);
    sz_reloc = bfd_get_reloc_upper_bound(ibfd, section);

    if(!sz_reloc) {
        /* no relocations */
        bfd_set_reloc(obfd, s, NULL, 0);
    } else if(sz_reloc > 0) {
        arelent ** buf;

        /* build relocations */
        buf   = xmalloc(sz_reloc);
        count = bfd_canonicalize_reloc(ibfd, section, buf, csd->syms);
        /* set relocations for the output section */
        bfd_set_reloc(obfd, s, count ? buf : NULL, count);
        free(buf);
    }

    /* get input section contents, set output section contents */
    if(section->flags & SEC_HAS_CONTENTS) {
        bfd_byte * memhunk = NULL;
        bfd_get_full_section_contents(ibfd, section, &memhunk);
        bfd_set_section_contents(obfd, s, memhunk, 0, size);
        free(memhunk);
    }
}

void define_section(bfd * ibfd, asection * section, PTR data)
{
    bfd *      obfd = data;
    asection * s    = bfd_make_section_anyway_with_flags(obfd,
            section->name, bfd_get_section_flags(ibfd, section));
    /* set size to same as ibfd section */
    bfd_set_section_size(obfd, s, bfd_section_size(ibfd, section));

    /* set vma */
    bfd_set_section_vma(obfd, s, bfd_section_vma(ibfd, section));
    /* set load address */
    s->lma = section->lma;
    /* set alignment -- the power 2 will be raised to */
    bfd_set_section_alignment(obfd, s,
            bfd_section_alignment(ibfd, section));
    s->alignment_power = section->alignment_power;
    /* link the output section to the input section */
    section->output_section = s;
    section->output_offset  = 0;

    /* copy merge entity size */
    s->entsize = section->entsize;

    /* copy private BFD data from ibfd section to obfd section */
    bfd_copy_private_section_data(ibfd, section, obfd, s);
}

void merge_symtable(bfd * ibfd, bfd * embedbfd, bfd * obfd,
        struct COPYSECTION_DATA * csd)
{
    /* set obfd */
    csd->obfd     = obfd;

    /* get required size for both symbol tables and allocate memory */
    csd->symsize  = bfd_get_symtab_upper_bound(ibfd) /********+
            bfd_get_symtab_upper_bound(embedbfd) */;
    csd->syms     = xmalloc(csd->symsize);

    csd->symcount =  bfd_canonicalize_symtab (ibfd, csd->syms);
    /******** csd->symcount += bfd_canonicalize_symtab (embedbfd,
            csd->syms + csd->symcount); */

    /* copy merged symbol table to obfd */
    bfd_set_symtab(obfd, csd->syms, csd->symcount);
}

bool merge_object(bfd * ibfd, bfd * embedbfd, bfd * obfd)
{
    struct COPYSECTION_DATA csd = {0};

    if(!ibfd || !embedbfd || !obfd) {
        return FALSE;
    }

    /* set output parameters to ibfd settings */
    bfd_set_format(obfd, bfd_get_format(ibfd));
    bfd_set_arch_mach(obfd, bfd_get_arch(ibfd), bfd_get_mach(ibfd));
    bfd_set_file_flags(obfd, bfd_get_file_flags(ibfd) &
            bfd_applicable_file_flags(obfd));

    /* set the entry point of obfd */
    bfd_set_start_address(obfd, bfd_get_start_address(ibfd));

    /* define sections for output file */
    bfd_map_over_sections(ibfd, define_section, obfd);
    /******** bfd_map_over_sections(embedbfd, define_section, obfd); */

    /* merge private data into obfd */
    bfd_merge_private_bfd_data(ibfd, obfd);
    /******** bfd_merge_private_bfd_data(embedbfd, obfd); */

    merge_symtable(ibfd, embedbfd, obfd, &csd);

    bfd_map_over_sections(ibfd, copy_section, &csd);
    /******** bfd_map_over_sections(embedbfd, copy_section, &csd); */

    free(csd.syms);
    return TRUE;
}

int main(int argc, char **argv)
{
    bfd * ibfd;
    bfd * embedbfd;
    bfd * obfd;

    if(argc != 4) {
        perror("Usage: infile embedfile outfile\n");
        xexit(-1);
    }

    bfd_init();
    ibfd     = bfd_openr(argv[1], NULL);
    embedbfd = bfd_openr(argv[2], NULL);

    if(ibfd == NULL || embedbfd == NULL) {
        perror("asdfasdf");
        xexit(-1);
    }

    if(!bfd_check_format(ibfd, bfd_object) ||
            !bfd_check_format(embedbfd, bfd_object)) {
        perror("File format error");
        xexit(-1);
    }

    obfd = bfd_openw(argv[3], NULL);
    bfd_set_format(obfd, bfd_object);

    if(!(merge_object(ibfd, embedbfd, obfd))) {
        perror("Error merging input/obj");
        xexit(-1);
    }

    bfd_close(ibfd);
    bfd_close(embedbfd);
    bfd_close(obfd);
    return EXIT_SUCCESS;
}

简单概括一下这段代码的作用，它需要2个输入文件（ibfd和embedbfd）来生成一个输出文件（obfd）。

• 从ibfd中复制格式/架构/机器/文件标志和起始地址到obfd
• 将ibfd和embedbfd的部分定义到obfd。由于BFD要求在开始填充之前创建所有部分，因此填充部分是分开进行的。
• 合并两个输入BFD的私有数据到输出BFD。由于BFD是许多文件格式上面的通用抽象，因此它不一定能够全面地封装底层文件格式所需的所有内容。
• 创建组合符号表，由ibfd和embedbfd的符号表组成，并将其设置为obfd的符号表。该符号表被保存以便稍后用于构建重定位信息。
• 将ibfd的部分复制到obfd。除了复制部分内容外，此步骤还处理构建和设置重定位表。

在上面的代码中，一些行使用/******** */进行了注释。这些行处理example-embed的合并。如果它们被注释掉，那么obfd就只是ibfd的副本。我已经测试过了，它可以正常工作。但是，一旦我取消这些行的注释，问题就开始出现。

使用取消注释的完整合并版本仍然会生成一个输出文件。可以使用objdump检查此输出文件，并发现它具有两个输入的所有部分、代码和符号表。但是，objdump会抱怨：

BFD: BFD (GNU Binutils for Ubuntu) 2.21.53.20110810 assertion fail ../../bfd/elf.c:1708
BFD: BFD (GNU Binutils for Ubuntu) 2.21.53.20110810 assertion fail ../../bfd/elf.c:1708

在我的系统上，elf.c文件的第1708行是：

BFD_ASSERT (elf_dynsymtab (abfd) == 0);

elf_dynsymtab 是 elf-bfd.h 中的宏，用于：

#define elf_dynsymtab(bfd)  (elf_tdata(bfd) -> dynsymtab_section)

我不熟悉ELF层，但我认为这可能是读取动态符号表的问题（或者说它不存在）。目前，除非必须，我正在尝试避免直接进入ELF层。是否有人能告诉我我的代码或概念上哪里出错了？

如果有帮助的话，我也可以发布链接器命令生成的代码或示例二进制文件的编译版本。

我意识到这是一个非常大的问题，因此，我希望能够适当奖励那些能够帮助我的人。如果有人能帮助我解决这个问题，我很乐意支付500+的奖金。

- Mike Kwan

---

为什么你想要这样做？是出于什么动机？你有这两个二进制文件的源代码吗？在我看来，这似乎相当愚蠢。 - Ed Heal

@EdHeal，请参见顶部链接的问题，其中包含一些基本原理。 - Dan Fego

@EdHeal：我正在制作一个静态可执行文件编辑器，它可以接收一个目标文件，将用户定义的例程注入其中（example-embed的作用），然后静态重定向新二进制代码的代码，以将原始代码与注入代码链接起来（我已经编写了反汇编/CFG分析引擎，并且我也可以编辑任意指令，因此这种注入是谜题的最后一块）。对于我需要关心的用例，可以假设我们可以访问用户定义例程的源代码，但无法访问目标文件的源代码。 - Mike Kwan

你的最终可执行文件是否有 .dynsymtab 节？(readelf -WS exename) - Dan Fego

这需要思考和冷静思考。 - Ed Heal

Answer 1

为什么要手动完成所有这些工作呢？考虑到您拥有所有符号信息（如果您想以合理的方式编辑二进制文件，那么必须拥有这些信息），将可执行文件拆分为单独的对象文件（例如，每个函数一个对象文件），进行编辑并重新链接不是更容易吗？

- zvrba

---

一个可执行文件如何在没有源代码的情况下拆分为目标文件？我可以假设嵌入对象的符号信息是可用的，但对于目标文件却不是（尽管如果我可以首先使用这个假设使其正常工作，那就没问题了）。 - Mike Kwan

ELF可执行文件可以保留重定位信息和符号表。当两个部分都存在时，将可执行文件拆分为目标文件相对简单，因为符号表还会说明符号是数据还是代码。另外，你为什么要尝试合并可执行文件？注入一个目标文件会更容易些。 - zvrba

我试图合并可执行文件，因为我认为这样会更容易，因为我不再需要处理重定位。但是当我尝试注入一个对象文件时，我无法找到方法。我该如何将可执行文件拆分成对象文件？顺便感谢您的关注。 - Mike Kwan

你无法在没有重定位信息的情况下有意义地调整跳转指令和数据引用。而且你不能仅仅依赖BFD - 你最终必须学习ELF的细节。关于拆分，简而言之：对于每个函数符号（地址+长度），输出从指向函数代码的重定位递归可达的函数+代码。你还需要复制数据重定位。完整的数据段可以放在自己的文件中。 - zvrba

我不熟悉目标文件格式，但我会去了解一下。我不太明白你所说的“从重定位递归可达的代码”的意思。你是建议使用以符号为根的函数生成CFG吗？你所建议的方法以前有人做过吗？或者这个过程有一个名称，这样我就可以更多地了解它？ - Mike Kwan

也许你会发现这个有用：http://elfsh.asgardlabs.org/。否则，我认为我知道该怎么做，但我无法描述它。此外，如果程序在运行时构造函数地址，则所有这些都不起作用（包括CFG构建）。 - zvrba