[发明专利]基于动态链接符号表的ELF文件相似性比对方法

说明书

本发明涉及一种基于动态链接符号表的ELF文件相似性比对方法，属于软件二进制代码溯源分析技术领域。该比对方法通过ELF文件解析，提取并比对ELF文件动态链接符号表，完成了ELF文件相似性比对和相似度计算。该方法主要是为Unix/Linux操作系统下可执行文件、目标代码、共享库等ELF文件溯源提供技术手段，具有良好的鲁棒性、较高的准确性和比对效率，同时兼容32位和64位ELF文件。

技术领域

本发明属于软件二进制代码溯源分析技术领域，具体涉及一种基于动态链接符号表的ELF文件相似性比对方法。

背景技术

软件代码溯源分析是开展软件组成和自主性分析的重要手段。软件代码溯源分析的核心和关键是代码相似性比对技术。代码溯源分析包括源代码溯源和二进制代码溯源两种方法。软件源代码是按照程序设计语言规范书写的文本文件，是一系列人可读的计算机语言指令，源代码溯源方法已经非常成熟。然而，商业软件普遍采用“闭源”方式，只提供编译后的二进制代码，软件源代码通常无法获取，从而无法通过源代码相似性比对，实现目标软件和商业“闭源”软件的溯源。

ELF(Executable and Linking Format)可执行链接格式最初是由Unix系统实验室(Unix System Laboratories，USL)作为应用程序二进制接口(Application BinaryInterface，ABI)开发并发布的。Linux操作系统也采用ELF作为二进制文件、可执行文件、目标代码、共享库，以及核心转储格式文件的文件格式。商业“闭源”软件通常将软件核心功能和关键算法封装成可执行文件、目标代码、共享库等ELF文件，对外仅提供动态链接调用接口，而不开放源代码，从而起到保护软件的目的。

ELF文件通常都无法反编译出源代码，只能反汇编出汇编代码。基于ELF文件反汇编后的汇编代码溯源存在较大问题，如同一份软件源代码经过不同编译器或编译选项后得到的ELF文件，再经过反汇编得到的汇编代码就存在不同程度的差异；软件源代码在编译过程中往往会链接许多公共库代码，反汇编后会增加许多代码量，这无疑会给基于汇编代码的软件溯源造成巨大干扰。

动态链接符号表中包含可执行文件、目标代码、共享库等ELF文件向外暴露的动态链接调用接口，而且一般不会随着编译器或编译选项的变化而变化。在软件更新升级过程中，为了保持可执行文件、目标代码、共享库等ELF文件的向前兼容性，ELF对外暴露的动态链接调用接口也会保持稳定。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何设计一种基于动态链接符号表的ELF文件相似性比对方法，为Unix/Linux操作系统下可执行文件、目标代码、共享库等ELF文件溯源提供技术手段，解决无法通过软件源代码溯源商业“闭源”软件的问题。

(二)技术方案

为了解决上述技术问题，本发明提供了一种基于动态链接符号表的ELF文件相似性比对方法，包括以下步骤：

第一步，解析ELF文件，为提取动态链接符号表准备条件；

第二步，从ELF文件中提取动态链接符号表；

第三步，比对动态链接符号表；

第四步，基于第三步的比对结果，计算ELF文件的相似度。

优选地，第一步中，依据ELF文件链接视图，按照顺序对ELF头、节头表、节进行解析。

优选地，第一步的解析过程具体如下：

(1)解析ELF头