[Android Security]DEX文件格式分析 _security

博观而约取，厚积而薄发。这篇文章主要讲述[Android Security]DEX文件格式分析相关的知识，希望能为你提供帮助。
copy from : https://segmentfault.com/a/1190000007652937 0x00 前言分析 dex 文件格式最好的方式是找个介绍文档，自己再写一个简单的 demo 然后用 010Editor 对照着分析。文档可以参考官方文档http://source.android.com/devices/tech/dalvik/dex-format.html,英文差的也可以找个中文的，比如说我。。。。。。
010Editor 这个工具比较好用，之前分析 elf 文件也是用的它。其实只要装了模板，可以分析很多文件。虽然是收费软件，有30天免费试用。但是如果你用的是 mac ?? 试用期到了, 删一下这个文件 ?? ~/.config/SweetScape/010 Editor.ini。
0x01 文件布局dex 文件可以分为3个模块，头文件(header)、索引区(xxxx_ids)、数据区(data)。头文件概况的描述了整个 dex 文件的分布，包括每一个索引区的大小跟偏移。索引区的ids 是 identifiers 的缩写，表示每个数据的标识，索引区主要是指向数据区的偏移。

文章图片

010Editor 中除了数据区(data)没有显示出来，其他区段都有显示，另外 link_data 在模板中被定为 map_list

文章图片

0x02 headerheader 描述了 dex 文件信息，和其他各个区的索引。010Editor(写010Editor 有点麻烦下面直接写010)中用结构体 struct header_item 来描述 header。

文章图片

其中用到了两种数据类型char、uint。这里的 char 是 C/C++ 中的char 占 8-bit, java 中的 char 是占 16-bit 有点区别，但是我们可以他来表示 short/ushort 这个以后介绍最近写的工具会介绍。官方文档是用 ubyte来定义的，那还是按官方的来吧。
结构体描述：

ubyte 8-bit unsinged int uint32-bit unsigned int, little-endianstruct header_item { ubyte[8]magic; unitchecksum; ubyte[20] signature; uintfile_size; uintheader_size; unitendian_tag; uintlink_size; uintlink_off; uintmap_off; uintstring_ids_size; uintstring_ids_off; uinttype_ids_size; uinttype_ids_off; uintproto_ids_size; uintproto_ids_off; uintmethod_ids_size; uintmethod_ids_off; uintclass_defs_size; uintclass_defs_off; uintdata_size; uintdata_off; }

除了 magic、checksum、signature、file_size、endian_tag、map_off 其他元素都是成对出现的。_off 表示元素的偏移量，_size 表示元素的个数。其余的6个描述主要是 dex 文件的信息。

magic: 这个是固定值，用于识别 dex 文件。转化为字符串为：

{0x64, 0x65, 0x78, 0x0A, 0x30, 0x33, 0x35, 0x00} = "dex\n035\0"

中间是一个换行，后面035是版本号。

checksum: 文件校验码，使用 alder32 算法校验文件除去 maigc、checksum 外余下的所有文件区域，用于检查文件错误。
signature: 使用 SHA-1 算法 hash 除去 magic、checksum 和 signature 外余下的所有文件区域，用于唯一识别本文件。
file_size: dex 文件大小
header_size: header 区域的大小，目前是固定为 0x70
endian_tag: 大小端标签，dex 文件格式为小端，固定值为 0x12345678 常量
map_off: map_item 的偏移地址，该 item 属于 data 区里的内容，值要大于等于 data_off 的大小，处于 dex 文件的末端。

0x03 string_idsstring_ids 区段描述了 dex 文件中所有的字符串。格式很简单只有一个偏移量，偏移量指向了 string_data 区段的一个字符串：

文章图片

上述描述里提到了 LEB128 ( little endian base 128 ) 格式，是基于 1 个 byte 的一种不定长度的编码方式。若第一个 byte 的最高位为1，则表示还需要下一个 byte 来描述，直至最后一个 byte 的最高位为 0。每个 byte 的其余 bit 用来表示数据，如下表所示。实际中 LEB128 最大只能达到 32-bit 可以阅读 dalvik 中的Leb128.h源码看出来。

文章图片

数据结构为：

ubyte8-bit unsinged int uint32-bit unsigned int, little-endian uleb128unsigned LEB128, valriable lengthstruct string_ids_item { uint string_data_off; }struct string_data_item { uleb128 utf16_size; ubytedata; }

其中 data 保存的就是字符串的值。string_ids 是比较关键的，后续的区段很多都是直接指向 string_ids 的 index。在写工具进行比较的时候也需要提取到 string_ids。
0x04 type_idstype_ids 区索引了 dex 文件里的所有数据类型，包括 class 类型，数组类型(array types)和基本类型
(primitive types)。区段里的元素格式为 type_ids_item，结构描述如下 :

uint 32-bit unsigned int, little-endianstruct type_ids_item { uint descriptor_idx; //--> string_ids }

type_ids_item 里面 descriptor_idx 的值的意思，是 string_ids 里的 index 序号，是用来描述此 type 的字符串。
0x05 proto_idsproto 的意思是 method prototype 代表 java 语言里的一个 method 的原型。proto_ids 里的元素为 proto_id_item，结构如下:

uint 32-bit unsigned int, little-endian struct proto_id_item { uint shorty_idx; //--> string_ids uint return_type_idx; //--> type_ids uint parameters_off; }

shorty_idx: 跟 type_ids 一样，它的值是一个 string_ids 的 index 号，最终是一个简短的字符串描述，用来说明该 method 原型。
return_type_idx: 它的值是一个 type_ids 的 index 号，表示该 method 原型的返回值类型。
parameters_off: 指向 method 原型的参数列表 type_list，若 method 没有参数，值为0。参数列表的格式是 type_list，下面会有描述。

0x06 field_idsfiled_ids 区里面有 dex 文件引用的所有的 field。区段的元素格式是 field_id_item，结构如下:

ushort 16-bit unsigned int, little-endian uint32-bit unsigned int, little-endian struct filed_id_item { ushort class_idx; //--> type_ids ushort type_idx; //--> type_ids uintname_idx; //--> string_ids }

class_idx: 表示 field 所属的 class 类型，class_idx 的值是 type_ids 的一个 index，并且必须指向一个 class 类型。
type_idx: 表示本 field 的类型，它的值也是 type_ids 的一个 index 。
name_idx: 表示本 field 的名称，它的值是 string_ids 的一个 index 。

0x07 method_idsmethod_ids 是索引区的最后一个条目，描述了 dex 文件里的所有的 method。method_ids 的元素格式是 method_id_item，结构跟 fields_ids 很相似:

ushort 16-bit unsigned int, little-endian uint32-bit unsigned int, little-endian struct filed_id_item { ushort class_idx; //--> type_ids ushort proto_idx; //--> proto_ids uintname_idx; //--> string_ids }

class_idx: 表示 method 所属的 class 类型，class_idx 的值是 type_ids 的一个 index，并且必须指向一个 class 类型。< font color=red> ushort类型也是为什么我们说一个 dex 只能有 65535 个方法的原因，多了必须分包< /font> 。
proto_idx: 表示 method 的类型，它的值也是 type_ids 的一个 index。
name_idx: 表示 method 的名称，它的值是 string_ids 的一个 index。

0x08 class_defsclass_def 区段主要是对 class 的定义，它的结构很复杂，看的我有点晕，一层套一层。先看一张 010 的结构图：

文章图片

看着都晕，别说解析的时候了。
class_def_item
class_def_item 结构描述如下：

uint32-bit unsigned int, little-endianstruct class_def_item { uint class_idx; //--> type_ids uint access_flags; uint superclass_idx; //--> type_ids uint interface_off; //--> type_list uint source_file_idx; //--> string_ids uint annotations_off; //--> annotation_directory_item uint class_data_off; //--> class_data_item uint static_value_off; //--> encoded_array_item }

class_idx: 描述具体的 class 类型，值是 type_ids 的一个 index 。值必须是一个 class 类型，不能是数组类型或者基本类型。
access_flags: 描述 class 的访问类型，诸如 public , final , static 等。在 dex-format.html 里 "access_flags Definitions" 有具体的描述。
superclass_idx: 描述 supperclass 的类型，值的形式跟 class_idx 一样。
interfaces_off: 值为偏移地址，指向 class 的 interfaces，被指向的数据结构为 type_list 。class 若没有 interfaces 值为 0。
source_file_idx: 表示源代码文件的信息，值是 string_ids 的一个 index。若此项信息缺失，此项值赋值为 NO_INDEX=0xffff ffff。
annotions_off: 值是一个偏移地址，指向的内容是该 class 的注释，位置在 data 区，格式为 annotations_direcotry_item。若没有此项内容，值为 0 。
class_data_off: 值是一个偏移地址，指向的内容是该 class 的使用到的数据，位置在 data 区，格式为 class_data_item。若没有此项内容值为 0。该结构里有很多内容，详细描述该 class 的 field、method, method 里的执行代码等信息，后面会介绍 class_data_item。
static_value_off: 值是一个偏移地址，指向 data 区里的一个列表 (list)，格式为 encoded_array_item。若没有此项内容值为 0。

type_list
type_list 在 data 区段，class_def_item-> interface_off 就是指的这里的数据。数据结构如下：

uint32-bit unsigned int, little-endianstruct type_list { uintsize; type_itemlist [size] }struct type_item { ushort type_idx//--> type_ids }

size: 表示类型个数
type_idx: 对应一个 type_ids 的 index

annotations_directory_item
class_def_item-> annotations_off 指向的数据区段，定义了 annotation 相关的数据描述，数据结构如下：

uint32-bit unsigned int, little-endianstruct annotation_directory_item { uint class_annotations_off; //--> annotation_set_item uint fields_size; uint annotated_methods_size; uint annotated_parameters_size; field_annotation field_annotations[fields_size]; method_annotation method_annotations[annotated_methods_size]; parameter_annotation parameter_annotations[annotated_parameters_size]; }struct field_annotation { uint field_idx; uint annotations_off; //--> annotation_set_item }struct method_annotation { uint method_idx; uint annotations_off; //--> annotation_set_item }struct parameter_annotation { uint method_idx; uint annotations_off; //--> annotation_set_ref_list }

class_annotations_off: 这个偏移指向了 annotation_set_item 具体的可以看 dex-format.html 上的介绍。
fields_size: 表示属性的个数
annotated_methods_size: 表示方法的个数
annotated_parameters_size: 表示参数的个数

class_data_item
class_data_off 指向 data 区里的 class_data_item 结构，class_data_item 里存放着本 class 使用到的各种数据，下面是 class_data_item 的结构 :

uleb128 unsigned little-endian base 128 struct class_data_item { uleb128 static_fields_size; uleb128 instance_fields_size; uleb128 direct_methods_size; uleb128 virtual_methods_size; encoded_fieldstatic_fields[static_fields_size]; encoded_fieldinstance_fields[instance_fields_size]; encoded_method direct_methods[direct_methods_size]; encoded_method virtual_methods[virtual_methods_size]; }struct encoded_field { uleb128 filed_idx_diff; uleb128 access_flags; }struct encoded_method { uleb128 method_idx_diff; uleb128 access_flags; uleb128 code_off; }

class_data_item

static_fields_size: 静态成员变量的个数
instance_fields_size: 实例成员变量个数
direct_methods_size: 直接函数个数
virtual_methods_size: 虚函数个数

下面几个就是对于的描述
encoded_field

method_idx_diff: 前缀 methd_idx 表示它的值是 method_ids 的一个 index ，后缀 _diff 表示它是于另外一个 method_idx 的一个差值，就是相对于 encodeed_method [] 数组里上一个元素的 method_idx 的差值。其实 encoded_filed - > field_idx_diff 表示的也是相同的意思，只是编译出来的 Hello.dex 文件里没有使用到 class filed 所以没有仔细讲，详细的参考 dex_format.html 的官网文档。
access_flags: 访问权限，比如 public、private、static、final 等。
code_off: 一个指向 data 区的偏移地址，目标是本 method 的代码实现。被指向的结构是code_item，有近 10 项元素。

code_itemcode_item 结构里描述着某个 method 的具体实现，它的结构描述如下:

struct code_item { ushortregisters_size; ushortins_size; ushortouts_size; ushorttries_size; uintdebug_info_off; uintinsns_size; ushortinsns [insns_size]; ushortpaddding; // optional try_itemtries [tyies_size]; // optional encoded_catch_handler_listhandlers; // optional }

末尾的 3 项标志为 optional , 表示可能有，也可能没有，根据具体的代码来。

registers_size: 本段代码使用到的寄存器数目。
ins_size: method 传入参数的数目。
outs_size: 本段代码调用其它 method 时需要的参数个数。
tries_size: try_item 结构的个数。
debug_off: 偏移地址，指向本段代码的 debug 信息存放位置，是一个 debug_info_item 结构。
insns_size: 指令列表的大小，以 16-bit 为单位。 insns 是 instructions 的缩写。
padding: 值为 0，用于对齐字节。
tries 和 handlers: 用于处理 java 中的 exception，常见的语法有 try catch。

encoded_array_item
class_def_item-> static_value_off 偏移指向该区段数据。

uleb128unsigned LEB128, valriable lengthstruct encoded_array_item { encoded_array value; }struct encoded_array { uleb128 size; encoded_value values[size]; }

size : 表示encoded_value 个数
encoded_value: 这个我也没分析出来怎么搞得??

0x09 map_listmap_list 中大部分 item 跟 header 中的相应描述相同，都是介绍了各个区的偏移和大小，但是 map_list 中描述的更加全面，包括了 HEADER_ITEM 、TYPE_LIST、STRING_DATA_ITEM、DEBUG_INFO_ITEM 等信息。
010 中map_list 表示为：

文章图片

数据结构为：

ushort 16-bit unsigned int, little-endian uint32-bit unsigned int, little-endianstruct map_list { uintsize; map_item list [size]; } struct map_item { ushort type; ushort unuse; uintsize; uintoffset; }

map_list 里先用一个 uint 描述后面有 size 个 map_item，后续就是对应的 size 个 map_item 描述。 map_item 结构有 4 个元素: type 表示该 map_item 的类型，Dalvik Executable Format 里 Type Code 的定义; size 表示再细分此 item，该类型的个数; offset 是第一个元素的针对文件初始位置的偏移量; unuse 是用对齐字节的，无实际用处。
【[Android Security]DEX文件格式分析】