Mach-O在內存中符號表地址、字符串表地址的計算

KSCrash 是一個用於 iOS 平台的崩潰捕捉框架，最近讀了其部分源碼，在 KSDynamicLinker 文件中有一個函數，代碼如下：

/** Get the segment base address of the specified image.
 *
 * This is required for any symtab command offsets.
 *
 * @param idx The image index.
 * @return The image's base address, or 0 if none was found.
 */
static uintptr_t segmentBaseOfImageIndex(const uint32_t idx)
{
    const struct mach_header* header = _dyld_get_image_header(idx);
    
    // Look for a segment command and return the file image address.
    uintptr_t cmdPtr = firstCmdAfterHeader(header);
    if(cmdPtr == 0)
    {
        return 0;
    }
    for(uint32_t i = 0;i < header->ncmds; i++)
    {
        const struct load_command* loadCmd = (struct load_command*)cmdPtr;
        if(loadCmd->cmd == LC_SEGMENT)
        {
            const struct segment_command* segmentCmd = (struct segment_command*)cmdPtr;
            if(strcmp(segmentCmd->segname, SEG_LINKEDIT) == 0)
            {
                return segmentCmd->vmaddr - segmentCmd->fileoff;
            }
        }
        else if(loadCmd->cmd == LC_SEGMENT_64)
        {
            const struct segment_command_64* segmentCmd = (struct segment_command_64*)cmdPtr;
            if(strcmp(segmentCmd->segname, SEG_LINKEDIT) == 0)
            {
                return (uintptr_t)(segmentCmd->vmaddr - segmentCmd->fileoff);
            }
        }
        cmdPtr += loadCmd->cmdsize;
    }
    
    return 0;
}

該函數被如此調用：

const uintptr_t segmentBase = segmentBaseOfImageIndex(idx) + imageVMAddrSlide;

0 迷惑現場

一個 image 中會有多個 segment，參數 idx 傳遞的是 image 的索引，如果返回的是 segment base， 那么是哪個 segment？

有人會說，注釋里不是說返回非 0 的話，就表示的是 image base。可是從原理上講 vmaddr - fileoff 根本得不到 image base（后文有解釋）。

而在被調用處，加上由 ASLR 引起的偏移，賦值給了 segmentBase。

在 fishhook 中，有這么一行代碼：

uintptr_t linkedit_base = (uintptr_t)slide + linkedit_segment->vmaddr - linkedit_segment->fileoff;

暫不考慮由 ASLR 造成的 slide，那么又是上邊提到的 vmaddr - fileoff，這里的變量命名是 linkedit_base。

KSCrash 中的所謂的 segmentBase 和 fishhook 中所謂的 linkedit_base，到底指的是什么？如果指的是 __LINKEDIT 端在內存中的真實地址那應該是 vmaddr + ASLR偏移 才對。

在查找資料的過程中，讀了大量的博客、資料，對於這一塊的解釋，要么沒提，要么一帶而過，要么是錯的。有的認為這個值是__LINKEDIT 段在內存中的基址，有的認為是當前 image 在內存中的基址。

1 揭開面紗

1.1 前置知識

在理解這個值到底是什么之前，我們需要一些前置知識。

• Mach-O 文件的結構
• 虛擬內存
• ASLR

下邊我們簡單的說一下 Mach-O 文件。

Mach-O

我們知道，進程是可執行文件在內存中加載得到的結果，而 Mach-O 就是一種 macOS 平台的可執行文件格式。

Mach-O 文件分為三個區域 Header、Load commands、Data。其中 Load commands 區的指令指導如何設置並加載二進制數據。下邊列出 32 位平台下我們關心的幾個：

指令	對應的數據結構	描述
LC_SEGMENT	segment_command	定義了這個文件中的一個 segment，在 Mach-O 文件被加載到時，這個 segment 會被映射到對應的地址空間。需要留意，segment_command 中有一個 segname，可通過 segname 來查找指定的 segment。
LC_SYMTAB	symtab_command	指定了這個文件的符號表。symtab_command 中包含符號表在文件中的偏移、符號數量、字符串表在文件中的偏移、字符串表的大小。

segment_command 代碼如下：

struct segment_command { /* for 32-bit architectures */
	uint32_t	cmd;		/* LC_SEGMENT */
	uint32_t	cmdsize;	/* includes sizeof section structs */
	char		segname[16];	/* segment name */
	uint32_t	vmaddr;		/* memory address of this segment */
	uint32_t	vmsize;		/* memory size of this segment */
	uint32_t	fileoff;	/* file offset of this segment */
	uint32_t	filesize;	/* amount to map from the file */
	vm_prot_t	maxprot;	/* maximum VM protection */
	vm_prot_t	initprot;	/* initial VM protection */
	uint32_t	nsects;		/* number of sections in segment */
	uint32_t	flags;		/* flags */
};

對於每一個 segment 而言，設置進程虛擬內存的過程就是將相應的內容加載到內存中，也就是從 Mach-O 文件的 fileoff 初加載 filesize 字節到虛擬內存地址的 vmaddr 處，占用 vmsize 字節。需要留意，對某些 segment 來說，vmsize 可能會大於 filesize，如__Data、__LINKEDIT。

在后邊的討論中，我們需要關心的是 segname 為 __LINKEDIT 的段。__LINKEDIT 段由 dyld 使用，包含符號表、字符串表以及其他數據。

symtab_command 代碼如下：

struct symtab_command {
	uint32_t	cmd;		/* LC_SYMTAB */
	uint32_t	cmdsize;	/* sizeof(struct symtab_command) */
	uint32_t	symoff;		/* symbol table offset */
	uint32_t	nsyms;		/* number of symbol table entries */
	uint32_t	stroff;		/* string table offset */
	uint32_t	strsize;	/* string table size in bytes */
};

在 symtab_command 中，symoff 為符號表在 Mach-O 文件中的偏移、stroff 為字符串表在 Mach-O 文件中的偏移。

1.2 揭秘

我們可以使用 MachOView 來打開一個 Mach-O 文件，觀察 LC_SEGMENT(__LINKEDIT)、LC_SYMTAB。限於篇幅，這里就不截圖觀察了。但是你應當留意到符號表、字符串表在 Mach-O 文件的位置，位於 __LINKEDIT 段中，這也驗證了上邊對 __LINKEDIT 段的介紹。

我們從符號表在虛擬內存中的地址來倒推上邊那個所謂的 segmentBase、linkedit_base，看一張圖（不是很准確，但可以幫助我們搞明白這個問題）。

我們先忽略 ASLR，圖中的深灰色背景表示是虛擬內存，__TEXT 段、__DATA 段我們不關心，圖中沒有體現。

sym_vmaddr 是指的是符號表在虛擬內存中地址，而在虛擬內存中符號表在 __LINKEDIT 段中偏移，即 sym_vmaddr - vmaddr，與其在 MachO 文件中的偏移，即 symoff - fileoff 相等。

也就是sym_vmaddr - vmaddr = symoff - fileoff，
vmaddr 移到右邊，即 sym_vmaddr = symoff - fileoff + vmaddr

發現什么了嗎？

接着上邊推：
減去符號表偏移symoff：sym_vmaddr - symoff = vmaddr - fileoff（式1），
式 1 等號右邊的部分加上 ASLR 偏移 slide：vmaddr - fileoff + slide，也就是所謂的 segmentBase、linkedit_base。

至此，真相大白。

參考

• 深入解析Mac OS X & iOS操作系統

• 深入理解計算機系統

• Mach-O File Format

• The Mac Hacker's Handbook