PE 学习之路 —— DOS 头、NT 头
1. 前述
可执行文件的格式是操作系统本身执行机制的反映，理解它有助于对操作系统的深刻理解，掌握可执行文件的数据结构及其一些机理，是研究软件安全的必修课。`pe（portable executable file format）`是目前 windows 平台上的主流可执行文件格式。pe 文件衍生于早期的 coff 文件格式，描述 pe 格式及 coff 文件的主要地方在 winnt.h 这个头文件，其中有一节叫 image format，如下：
该节给出了 dos mz 格式和 windows 3.1 的 ne 格式文件头，之后就是 pe 文件的内容，在这个头文件中，几乎能找到关于 pe 文件的每一个数据结构的定义、枚举类型、常量定义。winnt.h 这个头文件是 pe 文件定义的最终决定者。dll 和 exe 文件之间的区别完全是语义上的，它们使用完全相同的 pe 格式。唯一的区别就是用一个字段标识出这个文件是 exe 还是 dll。同时也包括其它的 dll 扩展，比如 ocx 控件和控制面板程序（cpl 文件）。另外，64 位 windows 只是对 pe 格式做了一些简单的修饰，新格式叫 pe32+，没有新的结构加进去，其余的改变只是简单地将以前的 32 位字段扩展成64位，比如 `image_nt_headers`，如下：
2. pe 文件大体结构
结构的选择依赖于用户正在编译的模式（尤其是 `_win64` 是否被定义），在具体学习 pe 之前，先大概清楚下 pe 格式布局是怎样子的，如下：
pe 文件使用的是一个平面地址空间，所有代码和数据都被合并在一起，组成一个很大的结构，文件的内容被分割为不同的区块，区块包含代码和数据，各个区块按页边界来对齐，区块没有大小限制，是一个连续结构，每个块都有它自己在内存中的一套属性。pe 文件是由 pe 加载器加载到内存中的，这个 pe 加载器也就是 windows 加载器，它并不是将 pe 文件作为单一内存映射文件装入到内存中，而是去遍历 pe 文件，决定将哪一部分进行映射，这种映射方式是将文件较高的偏移位置映射到较高的内存地址，当磁盘文件装入到内存中，其数据结构布局是一致的，但是数据之间的相对位置可能会改变，如下：
3. 模块和基地址
下面需要理清两个概念，那就是 **模块** 和 **基地址**，当 pe 文件通过 windows 加载器加载到内存后，内存中的版本被称为模块（module），映射文件的起始地址被称为模块句柄（hmodule），可以通过模块句柄来访问在内存中其它的数据结构，这个初始地址也被称为基地址（imagebase）。在 32 位 windows 系统中可以直接调用 `getmodulehandle` 以取得指向 dll 的指针，通过指针访问该 dll module 的内容，函数原型为：`hmodule winapi getmodulehandle(lpctstr lpmodulename)`
功能：获取一个应用程序或动态链接库的模块句柄。
参数：传递一个可执行文件或 dll 文件名字符串
返回值：若执行成功，则返回模块的句柄，也就是加载的基地址，若返回零，则表示失败。如果传递参数为 null，则返回调用的可执行文件的基地址。
注意事项：只有在当前进程中，这个句柄才会有效，也就是说已映射到调用该函数的进程内，才会正确得到模块句柄。
1 #include <windows.h>
2 #include <iostream>
3
4 int main()
5
6 {
8 hmodule hmodule = getmodulehandle(null);
9
10 std::cout << hmodule << std::endl;
11
12 return 0;
14 }
pe文件加载的基地址（imagebase）：exe 默认基地址为 `0x00400000h`，dll 默认基地址为 `0x10000000h`，这个值可以在链接应用时使用链接程序的 `/base` 选项设定，或者通过 rebase 应用程序进行设置。说完基地址，再来说下相对虚拟地址，由于 pe 文件中里的东西可以载入到空间的任何位置，所以不能依赖于 pe 的载入点，必须有一个方法来指定地址而不依赖于 pe 载入点的地址，所以出现相对虚拟地址（rva）概念，rva 只是内存中的一个简单的相对于 pe 文件装入地址的偏移位置，例如，假设一个 exe 文件从地址 `0x400000h` 处装入，并且它的代码区块开始于 `0x401000h`，代码区块的 rva 就是：`0x401000h - 0x400000h = 0x1000h`，在这里，`0x401000h` 是实际的内存地址，这个地址被称为虚拟内存地址（va），另外也可以把虚拟地址想象为加上首选装入地址的rva。
4. 文件偏移地址
当pe文件储存在磁盘上，某个数据的位置相对于文件头的偏移量，称为文件偏移地址或物理地址。文件偏移地址从pe文件的第一个字节开始计数，起始值为0，用十六进制文本编辑器打开文件，里头显示的就是文件偏移地址。
5. image_dos_header 结构
在这个结构体中，有两个字段非常重要，分别是第一个和最后一个，其它的不重要，其中第一个 e_magic 字段需要被设置为 0x5a4dh。它也被称为魔术数字。
这个值有个宏定义，名为 `image_dos_signature`，它的 ascii 值为 mz，是 ms-dos 的最初创建者之一 `mark zbikowski` 字母的缩写。
e_lfanew 字段是真正pe文件头的相对偏移（rva），那么，这个字段在哪呢？
上图已经说明了，为了验证是否正确，如下：
在 3ch 偏移处，显示 0x00000110h（由于 intel cpu 属于 little-endian 类，字符存储时低位在前，高位在后，反序排列，将顺序恢复后便是 0x00000110h），这个是 e_lfanew 字段所存储的值，它占4 个字节。后面就是 pe 头了。
6. image_nt_headers 结构
在一个有效的 pe 文件里，signature 字段被设置为 0x00004550h，ascii 码字符是 pe00
宏定义为 `image_nt_signature`
那么这两个重要的字段（e_lfanew 和 signature）有什么用呢？这个在以后解析pe文件，判断一个文件是否是一个 pe 文件时提供重要依据，即判断这两个字段的值是否为 0x5a4dh 和 0x00004550h，你也可以用它们的宏定义，分别为 `image_dos_signature` 和 `image_nt_signature`，如果相等，则为一个 pe 文件，如果不相等，则不是一个 pe 文件。
1 #include <windows.h>
2 #include <iostream>
3
4 int main()
5 {
6 // 1.首先须打开一个文件
7 handle hfile = createfile(
8 text("test.png"),
9 generic_all,
10 null,
11 null,
12 open_existing,
13 null,
14 null
15 );
16 // 2.判断文件句柄是否有效，若无效则提示打开文件失败并退出
17 if (hfile == invalid_handle_value)
18 {
19 std::cout << "打开文件失败！" << std::endl;
20 closehandle(hfile);
21 exit(exit_success);
22 }
23 // 3.若打开文件成功，则获取文件的大小
24 dword dwfilesize = getfilesize(hfile, null);
25 // 4.申请内存空间，用于存放文件数据
26 byte * filebuffer = new byte[dwfilesize];
27 // 5.读取文件内容
28 dword dwreadfile = 0;
29 readfile(hfile, filebuffer, dwfilesize, &dwreadfile, null);
30 // 6.判断这个文件是不是一个有效的pe文件
31 // 6.1 先检查dos头中的mz标记，判断e_magic字段是否为0x5a4d，或者是image_dos_signature
32 dword dwfileaddr = (dword)filebuffer;
33 auto dosheader = (pimage_dos_header)dwfileaddr;
34 if (dosheader->e_magic != image_dos_signature)
35 {
36 // 如果不是则提示用户，并立即结束
37 messagebox(null, text("这不是一个有效pe文件"), text("提示"), mb_ok);
38 delete filebuffer;
39 closehandle(hfile);
40 exit(exit_success);
41 }
42 // 6.2 若都通过的话再获取nt头所在的位置，并判断e_lfanew字段是否为0x00004550，或者是image_nt_signature
43 auto ntheader = (pimage_nt_headers)(dwfileaddr + dosheader->e_lfanew);
44 if (ntheader->signature != image_nt_signature)
45 {
46 // 如果不是则提示用户，并立即结束
47 messagebox(null, text("这不是一个有效pe文件"), text("提示"), mb_ok);
48 delete filebuffer;
49 closehandle(hfile);
50 exit(exit_success);
51 }
52 // 7.若上述都通过，则为一个有效的pe文件
53 messagebox(null, text("这是一个有效pe文件"), text("提示"), mb_ok);
54 delete filebuffer;
55 closehandle(hfile);
56 // 8.结束程序
57 return 0;
58 }
以上代码就是简单实现判断一个文件是不是有效的 pe 文件。在上述代码中，运用了 createfile()、getfilesize()、readfile() 来获取文件内容，得到文件的基址 dwfileaddr，只需将该变量转换成 `pimage_dos_header` 类型，那么就能获取到nt头的开始位置，nt头的位置可同 (pimage_nt_headers)((pimage_dos_header)dwfileaddr->e_lfanew + dwfileaddr) 获取，有了这个，后面的工作就变得简单多了。
7. image_file_header 结构
该结构体描述的是文件的一般性质，有 7 个字段，共占 20 个字节，20 相当于十六进制的 14h，下图已标出实际位置，如下：
- 这里标记的是 machine 字段，占两个字节，它的值为 0x014ch，代表的是 intel i386 平台。
- 这里标记的是 numberofsections 字段，占两个字节，它的值为 0x0006h，代表的是有 6 个区块，也可以说有 6 个节。
- 这里标记的是 timedatestamp 字段，占四个字节，它的值为 0x5c0748d5h，代表的是文件创建日期和时间。
由上图可以看出，该文件创建时间为 2018-12-05 / 11:41:09。
- 这个值以0填充，用不到。
- 这个值以0填充，用不到。
- 这个字段就比较重要，划重点，sizeofoptionalheader，占两个字节，它的值为 0x00e0h，代表的是 `image_optional_header32` 结构的大小，在 32 位系统，它的值为 0x00e0h，在 64 位系统，它的值为 0x00f0h，
- 最后一个字段 characteristics，占两个字节，它的值为 0x0102h，代表的是文件的属性。这个值是由 0x0100h 和 0x0002h 两者之和，0x0100h 这个值代表的是目标平台为 32 位机器，0x0002h 这个值代表文件可执行，如果为0，一般是链接出现了问题。
1 // 获取文件头 2 auto fileheader = ntheader->fileheader; 3 // 接下来就是解析各字段 4 std::cout << "运行平台：0x" << std::hex << fileheader.machine << std::endl; 5 std::cout << "区块数目：0x" << std::hex << fileheader.numberofsections << std::endl; 6 std::cout << "文件创建日期和时间：0x" << std::hex << fileheader.timedatestamp << std::endl; 7 std::cout << "image_optional_header32结构大小：0x" << std::hex << fileheader.sizeofoptionalheader << std::endl; 8 std::cout << "文件属性：0x" << std::hex << fileheader.characteristics << std::endl;
将上述代码插入到 return 0; 之前，运行如下：
再将上面文件创建日期和时间进行转换，代码如下：
1 // 获取文件头 2 auto fileheader = ntheader->fileheader; 3 // 进行时间转换 4 tm * filecreatetime = gmtime((time_t*)&fileheader.timedatestamp); 5 // 接下来就是解析各字段 6 std::cout << "运行平台：0x" << std::hex << fileheader.machine << std::endl; 7 std::cout << "区块数目：0x" << std::hex << fileheader.numberofsections << std::endl; 8 std::cout << "文件创建日期和时间：" << std::dec << filecreatetime->tm_year + 1900 << "-" 9 << filecreatetime->tm_mon + 1<< "-" 10 << filecreatetime->tm_mday << " " 11 << filecreatetime->tm_hour + 8 << ":" 12 << filecreatetime->tm_min << ":" 13 << filecreatetime->tm_sec << std::endl; 14 std::cout << "image_optional_header32结构大小：0x" << std::hex << fileheader.sizeofoptionalheader << std::endl;
上面是用到了tm的结构，以及 gmtime 这个函数进行转换，在用之前需要包含头文件 time.h，运行如下：
不过还是要注意下，首先 tm_year 这个值为十六进制，需转成十进制，而且要加上 1900，因为时间是从 1900 开始算，它的值为偏移，其次月是从 0 开始算的，所以要加 1，最后是时区问题，因为我这里位于东八区，所以小时需加上 8。另外关于调试的那两个字段，没有必要去对它深究，因为微软的vs已用了新的 debug 格式，这个只是用来设置 coff 符号，跟 coff 符号有关，一般这个值都为 0，所以不探讨它。关于运行平台代码和文件属性代码可以去网上查表就行，这里就省略。
8. image_optional_header 结构
上图展示的是 `image_optional_header32` 结构体各字段，这个结构体相对来说就比较大，我已经分析好了，这个是 32 位的，64 位的大体结构没变，只是有几个字段改成的 ulonglong 类型，那么它在实际内部是怎么样的呢？下面这张图是验证上面图片所叙述的。
上图所标记的，为 `image_optional_header32` 结构所有成员，你也注意到了，在结尾处，有 .text，说明已经到了该结构体的末尾了，算了一下，恰好占了 224 个字节，这个值其实在 `image_file_header` 中倒数第二个字段已经指出了，值为 0xe0，这个值相当于十进制中的 224。为了更好的说明，我用序号标记了各个字段，其中有一些为透明，一是没地方标，二是能看清实际数值大小，这样便于分析。
以下是各字段解析：
- magic：这个是一个标记，它的值为 0x010bh，代表的是普通的可执行映象，一般是 0x010bh，如果是 64 位，则为 0x020bh，如果为 rom 映象，该值为 0x0107h。
- majorlinkerversion：链接程序主版本号，值为 0x0eh。
- minorlinkerversion：链接程序次版本号，值为 0x00h。
- sizeofcode：所有含有代码区块的总大小，该值为 0x0031d000h，这个代码区块是带有 `image_scn_cnt_code` 属性，这个值是向上对齐某一个值的整数倍。通常情况下，多数文件只有一个 code 块，所以这个字段和 .text 块的大小匹配。
- sizeofinitializeddata：所有初始化数据区块总大小，该值为 0x000b4000h，这个是在编译时所构成的块的大小（不包括代码段），一般这个值是不准确的。
- sizeofuninitializeddata：所有未初始化数据区块总大小，该值为 0，这些块在程序开始运行时没有指定值，未初始化的数据通常在 .bss 块中。
- addressofentrypoint：程序执行入口 rva，该值为 0x002b56d0h。在大多数可执行文件中，这个地址并不直接指向 main、winmain 或者是 dllmain，而是指向运行库代码并由它来调用上述函数。对于 dll 来说，这个入口点是在程序初始化和关闭时以及线程创建和毁灭时被调用。
- baseofcode：代码段的起始 rva，该值为 0x00001000h，如果是用微软的链接器生成的，则该值通常是 0x00001000h。
- baseofdata：数据段的起始 rva，该值为 0x0031e000h，数据段通常在内存的末尾，对于不同版本的微软链接器，这个值是不一致的，在64位可执行文件中是不出现的。
- imagebase：程序默认装入地址，该值为 0x00400000h，加载器试图在这个地址表装入 pe 文件，如果可执行文件是在这个地址装入的，那么加载器将跳过应用基址重定位的步骤。
- sectionalignment：内存中区块对齐大小，值为 0x00001000h，默认对齐尺寸是目标 cpu 的页尺寸，最小的对齐尺寸是一页 1000h（4kb），在 ia-64 上，这个值是 8kb。每个区块装入地址必定是本字段指定数值的整数倍。
- filealignment：磁盘上 pe 文件内的区块对齐大小，值为 0x00000200h，对于 x86 的可执行文件，这个值通常是 200h 或 1000h，这是为了保证块总是从磁盘的扇区开始的，这个值必须是 2 的幂，最小为 200h。
- majoropreatingsystemversion：要求操作系统的最低版本号的主版本号，该值为 0x0006h，这个值似乎没什么用。
- 同上，没什么用。
- 同上，没什么用。
- 同上，没什么用。
- 同上，没什么用。
- 同上，没什么用。
- 同上，没什么用。
- sizeofimage：映象装入内存后的总尺寸，该值为 0x003d5000h，它指装入文件从 imagebase 到最后一个块的大小，最后一个块根据其大小往上取整。
- sizeofheaders：是 ms-dos 头部、pe 头部、区块表的组合尺寸。该值为 0x00000400h。
- checksum：校验和，imagehlp.dll 中的 checksummappedfile 函数可以计算这个值，一般的exe文件可以是 0，但一些内核模式的驱动程序和系统 dll 必须有一个校验和。
- subsystem：一个标明可执行文件所期望的子系统的枚举值，这个值只对 exe 是重要的。该值为 0x0003h。
- dllcharacteristics：dllmain() 函数何时被调用，默认为 0。
- sizeofstackreserve：在 exe 文件里，为线程保留的堆栈大小，它一开始只提交其中一部分，只有在必要时，才提交剩下的部分。
- sizeofstackcommit：在 exe 文件里，一开始即被委派堆栈的内存数量，默认值为 4kb。
- sizeheapreserve：在 exe 文件里，为进程的默认堆保留的内存，默认值为 1mb，但是在当前 windows 里，堆值在用户不干涉的情况下就能增长超过这个值。
- sizeofheapcommit：在 exe 文件里，委派给堆的内存大小，默认值是 4kb。
- loaderflag：与调试有关，默认为 0。
- numberofrvaandsizes：数据目录表的项数，这个字段一直以来都为 16。
- datadirectory[16]：数据目录表，由数个 `image_data_directory` 结构组成，指向输入表、输出表、资源等数据。
同样，将上述代码放置最后，对扩展头进行解析，因字段太多，没一一列举，运行后如下：
对于该结构的最后一个字段，它是一个数组，这个数组有 16 个成员，代表的是目录表中的项，遍历它也不是很难，代码如下：
运行后如下：
将上述与 loadpe 对照，看下是否正确，如下：
从上面可以看出，已经成功遍历出目录表中每项的 rva 和大小。
（本小节完）