python - 如何在二进制文件中获得 readelf/IDA 和 Aho-Corasick 之间的相同偏移量

Question

首先，我是二进制文件的新手，希望这不是一个愚蠢的问题。

我已经生成了包含来自二进制文件的 .text 部分的指令序列的表。具有 2 条指令序列的表如下所示:

sequence         | total | relative
------------------------------------
e3a0b000e3a0e000 | 2437  |  0.0469
...

使用 IDAPython 提取序列，生成的文本文件如下所示:

9c54    SUBROUTINE
9c54    e3a0b000    MOV             R11, #0
9c58    e3a0e000    MOV             LR, #0
...

已更新

现在，我使用 Aho-Corasick 算法来匹配我从中提取它们的同一二进制文件中的这些序列。我只是将表中的所有序列添加到 Aho 自动机:

import binascii

import ahocorasick

from connect_db import DB
from get_metadata import get_meta

a = ahocorasick.Automaton()
meta = get_meta()
with DB('test.db') as db:
    for idx, key in enumerate(list(db.select_query(meta['select_queries']['select_all'].format('sequence_two')))):
        a.add_word(key[0], (idx, key[0]))

a.make_automaton()
with open('../test/test_binary', 'rb') as f:
    for sub in a.iter(f.read().hex()):
        print('file offset: %s; length: %d; sequence: %s' % (hex(sub[0]), len(sub[1][1]), sub[1][1]))

然后我得到以下结果:

file offset: 0x38b7; length: 16; sequence: e3a0b000e3a0e000
...

我的问题是 Aho-Corasick 返回 0x38b7，我在 Ubuntu 中使用 ghex 再次查看二进制文件，并在预期的偏移处找到了两条指令:

offset:  bytes:
00001C54 E3A0B000 E3A0E000 ...

这意味着我应该在 0x1c54 - 0x1c5c 范围内找到它们，这是原始偏移量 (0x9c54 - 0x8000)

我还没有真正理解如何获得相同的偏移量，但我想使用 Aho-Corasick 获得原始偏移量。我知道 Aho-Corasick 返回关键字末尾的偏移量。

Answer 1

当我发现将字节转换为十六进制 ascii 时，字符会占用更多内存，我就能够解决这个问题。我必须将 Aho-Corasick 返回的偏移量减半才能获得真正的原始偏移量:

之前

with open('../test/test_binary', 'rb') as f:
for sub in a.iter(f.read().hex()):
    print('file offset: %s; length: %d; sequence: %s' % (hex(sub[0]), len(sub[1][1]), sub[1][1]))

之后

with open('../test/test_binary', 'rb') as f:
for sub in a.iter(f.read().hex()):
    print('file offset: %s; length: %d; sequence: %s' % (hex(int(sub[0] / 2)), len(sub[1][1]), sub[1][1]))

新的输出几乎符合预期:

file offset: 0x1c5b; length: 16; sequence: e3a0b000e3a0e000

注意

当偏移量除以 2 时，会将整数转换为 float 。我必须记住，将 float 转换回整数会向上或向下舍入该值。