几种ARM反汇编器

http://blog.claudxiao.net/2011/12/arm-disassemblers/

最近在为androguard实现ARM反汇编和ARM漏洞利用代码检测的功能。Anthony告诉我三种方案：smiasm、radare、IDAPython。前段时间尝试了这些方法，各有优劣。归纳如下：

方案	开源	支持Thumb	递归反汇编	提供指令详情
smiasm	是	否	是	是
radare	是	是	否	否
IDAPython	否	是	是	是

下面是详细情况：

smiasm

smiasm是一个纯Python的反汇编框架。它由三个子项目构成，其中elfesteem实现ELF和PE格式解析，miasm实现反汇编。

smiasm的代码使用了Python的很多特性，比如elfesteem/elf_init.py中的这一段代码：

class StructWrapper(object):
    class __metaclass__(type):
        def __new__(cls, name, bases, dct):
            wrapped = dct["wrapped"]
            if wrapped is not None: # XXX: make dct lookup look into base classes
                for fname,v in wrapped._fields:
                    dct[fname] = property(dct.pop("get_"+fname,
                                                  lambda self,fname=fname: getattr(self.cstr,fname)),
                                          dct.pop("set_"+fname,
                                                  lambda self,v,fname=fname: setattr(self.cstr,fname,v)),
                                          dct.pop("del_"+fname, None))
            return type.__new__(cls, name, bases, dct)
    wrapped = None

让我这样的python初学者学到很多新的知识。

此外，smiasm使用递归下降反汇编，反汇编结果质量非常好。

但它不能很好地满足我的需求。ARM架构下有三种指令集：ARM、Thumb、Thumb-2。在Android的NDK中，默认使用Thumb；在其他代码中，ARM与Thumb的混合使用也是经常出现的。但smiasm目前仍不支持Thumb指令集。

另外，smiasm的代码还是有些臃肿，比如反汇编接口定义如下：

def dis_bloc(mnemo, pool_bin, cur_bloc, offset, job_done, symbol_pool,
             dont_dis = [], follow_call = False, patch_instr_symb = True,
             dontdis_retcall = False, lines_wd = None,
             dis_bloc_callback = None, dont_dis_nulstart_bloc = False,
             **kargs):

但大部分参数最后都没有真正使用，或者用了一个硬编码默认值。这种情况应该是作者希望写一个通用的反汇编框架导致的。但整个项目的代码都没有足够的文档或注释，可用性大打折扣。

radare

radare应该是最好的开源逆向框架了。它使用C语言书写，支持多种指令集和文件格式，例如支持ARM和Thumb。另外，它提供了对多种动态语言的绑定。radare对逆向的抽象非常到位，可以说是框架设计的一个典型。

但是在使用radare时，遇到不少问题。

一、它的python绑定使用SWIG实现，在unsigned char *型参数的传递上至今仍存在bug没有被补上（而且在近期不大可能解决这个问题了），就连自己用ctypes定义一个该类型都无法搞定。虽然能够把 binary data转成hex string，以字符串的形式传给本地库，但效率上无疑打了折扣。

二、其对ARM的反汇编是线性扫描反汇编，需要自行判断一个函数是否返回，否则不断地反汇编下去。

三、从Python中得到的反汇编结果仅仅是可以给人读的字符串而已，不包含任何其他信息，例如指令类型、是否分支跳转、寄存器列表、注释等等。也 就是说，如果要给人读，radare勉强足够，但如果要进一步处理，例如对代码序列做检测、画出CFG等，就需要再去解析字符串了。这样还不如从头开始解 析binary code。

我们来看一个输出的片段，可以更直观地了解到这两个问题：

mov ip, sp
push {fp, ip, lr, pc}
sub fp, ip, #4 ; 0x4
sub sp, sp, #16 ; 0x10
ldr r2, [pc, #164] ; 0x000000bc
str r2, [fp, #-28]
......
mov r0, r3
mov r1, #0 ; 0x0
bl 0xfffffffffffff9f4
mov r3, r0
......
sub sp, fp, #12 ; 0xc
ldm sp, {fp, sp, pc}
andeq r2, r0, r0, lsr sp
undefined instruction 0xfffff678
undefined instruction 0xfffff690

四、对ELF文件格式的解析同样能力不足，太多信息被封装起来而无法获得。

IDAPython

IDAPython是对IDA Pro的一个功能扩展接口，封装了IDC的几乎所有API。

在ARM反汇编和反编译上，IDA Pro的功能无疑是最强大的。无论是其递归下降反汇编、多指令集支持、混合指令识别，还是交叉引用、CFG、自动注释、反编译等等。IDAPython的接口也非常丰富，完全可以获得需要的每个细节信息。

IDA Pro的主要问题在于，首先，它是一个商业软件（目前6.2的demo版包括了arm反汇编，但无法保存数据库）；其次，它不适合于自动化处理。

结语

所以我说这三个方案是各有优劣，都无法完美地满足我的需求。

目前来看，自己写一个ARM/Thumb的反汇编器并不会特别困难，这个指令集本来就很简单。关键是选择好要实现的特性。