前言

最近研究了一下指令碼語言的混淆方法，比如 python，javascript等。指令碼語言屬於動態語言，程式碼大多無法直接編譯成二進位制機器碼，發行指令碼基本上相當於暴露原始碼，這對於一些商業應用是無法接受的。因此對指令碼程式碼進行加固，成為很多應用的首選。程式碼加固的一項措施是程式碼混淆，增加逆向人員閱讀程式碼邏輯的難度，拖延被破解的時間。

今天講解一下Python程式碼的混淆方法，Python程式碼一般用作web，提供服務介面，但也有一些桌面的應用，這一部分就需要對程式碼進行混淆保護。以一個開源專案pyminifier (https://github.com/qiyeboy/pyminifier)來說明混淆的技巧方法，這個專案已經有4年沒更新，有一些bug，但是依然值得我們學習和入門。

專案結構

框架詳情：

analyze.py - 用於分析Python程式碼
compression.py - 使用壓縮演算法壓縮程式碼
minification.py - 用於簡化Python程式碼
obfuscate.py - 用於混淆Python 程式碼
token_utils.py - 用於收集Python Token

從專案程式碼中，可以看到pyminifier的混淆方法是基於Token的，即基於詞法分析，假如大家之前做過混淆的話，這應該屬於混淆的初級方案，因為這樣的混淆並不會修改程式碼原有的邏輯結構。

提取Token

如何提取Python語言的Token呢？Python中提供了專門的包進行詞法分析： tokenize

def listified_tokenizer(source):

"""Tokenizes *source* and returns the tokens as a list of lists."""
     io_obj = io.StringIO(source)
     return [list(a) for a in tokenize.generate_tokens(io_obj.readline)]

首先讀取原始檔，然後通過tokenize.generate_tokens生成token列表。咱們就將這個提取token的函式儲存起來，然後讓他自己提取自己，看一下token列表的結構。

[[1, 'def', (1, 0), (1, 3), 'def listified_tokenizer(source):\n'],
[1, 'listified_tokenizer', (1, 4), (1, 23), 'def listified_tokenizer(source):\n'],
[53, '(', (1, 23), (1, 24), 'def listified_tokenizer(source):\n'],
[1, 'source', (1, 24), (1, 30), 'def listified_tokenizer(source):\n'],
[53, ')', (1, 30), (1, 31), 'def listified_tokenizer(source):\n'],
[53, ':', (1, 31), (1, 32), 'def listified_tokenizer(source):\n'],
[4, '\n', (1, 32), (1, 33), 'def listified_tokenizer(source):\n'],
......

每一個Token對應一個list，以第一行 [1,'def',(1,0),(1,3),'def listified_tokenizer(source):\n']為例子進行解釋:

1. 1代表的是token的型別

2. def是提取的token字串

3. (1, 0)代表的是token字串的起始行與列

4. (1, 3)代表的是token字串的結束行與列

5. 'def listified_tokenizer(source):\n' 代表所在的行

Token還原始碼

能從原始檔中提取token 列表,如何從token列表還原為原始碼呢？其實很簡單，因為提取token 列表裡面有位置資訊和字串資訊，所以進行字串拼接即可。

def untokenize(tokens):
    """
    Converts the output of tokenize.generate_tokens back into a human-readable
    string (that doesn't contain oddly-placed whitespace everywhere).
    .. note::

        Unlike :meth:`tokenize.untokenize`, this function requires the 3rd and
        4th items in each token tuple (though we can use lists *or* tuples).
    """
    out = ""
    last_lineno = -1
    last_col = 0
    for tok in tokens:
        token_string = tok[1]
        start_line, start_col = tok[2]
        end_line, end_col = tok[3]
        # The following two conditionals preserve indentation:
        if start_line > last_lineno:
            last_col = 0
        if start_col > last_col and token_string != '\n':
            out += (" " * (start_col - last_col))
        out += token_string
        last_col = end_col
        last_lineno = end_line
    return out

精簡與壓縮程式碼

在pyminifier中，有兩個縮小Python程式碼的方法：一個是精簡方式，另一個是使用壓縮演算法的方式。

精簡

在minification.py中使用的是精簡方式，具體程式碼如下：

def minify(tokens, options):
    """
    Performs minification on *tokens* according to the values in *options*
    """
    # Remove comments
    remove_comments(tokens)
    # Remove docstrings
    remove_docstrings(tokens)
    result = token_utils.untokenize(tokens)
    # Minify our input script
    result = multiline_indicator.sub('', result)
    result = fix_empty_methods(result)
    result = join_multiline_pairs(result)
    result = join_multiline_pairs(result, '[]')
    result = join_multiline_pairs(result, '{}')
    result = remove_blank_lines(result)
    result = reduce_operators(result)
    result = dedent(result, use_tabs=options.tabs)
    return result　

上面的程式碼總共使用了9種方法來縮小指令碼的體積：

remove_comments

去掉程式碼中的註釋，但是有兩類要保留：1.指令碼直譯器路徑 2. 指令碼編碼

#!/usr/bin/env python
# -*- coding: utf-8 -*-

remove_docstrings

去掉doc所指定的內容，example:

__doc__ = """\
Module for minification functions.

"""

fix_empty_methods

修改空函式變成pass

def myfunc():
'''This is just a placeholder function.'''

轉化為：

def myfunc():pass

join_multiline_pairs

(1) 第一種情況：

test = (
"This is inside a multi-line pair of parentheses"
)

轉化為：

test = ( "This is inside a multi-line pair of parentheses")

(2)第二種情況：

test = [
"This is inside a multi-line pair of parentheses"
]

轉化為:

test = [ "This is inside a multi-line pair of parentheses"]

(3)第三種情況：

test = {


"parentheses":"This is inside a multi-line pair of parentheses"


}

轉化為：

test = { "parentheses":"This is inside a multi-line pair of parentheses"}

remove_blank_lines

移除空白行。

test = "foo"

 

test2 = "bar"

轉化為：

test = "foo"
test2 = "bar"

reduce_operators

移除操作符之間的空格。

def foo(foo, bar, blah):
    test = "This is a %s" % foo

修改為：

def foo(foo,bar,blah):
    test="This is a %s"%foo

dedent

替換程式碼間的縮排，比如替換成單個空格

def foo(bar):

    test = "This is a test"

修改為：

def foo(bar):

 test = "This is a test"

壓縮

在這個專案中的compression.py，提供了4種程式碼壓縮的方法，其中3個原理是一樣，只不過使用的壓縮演算法不一樣。

bz2,gz,lzma 壓縮執行原理

假如新建一個1.py，並儲存如下內容:

if __name__=="__main__":

    print(__name__)

以bz2為例子，首先使用bz2演算法壓縮程式碼，然後轉化成base64編碼。

code='''


if __name__=="__main__":


    print(__name__)


'''

import bz2,base64
compressed_source = bz2.compress(code.encode("utf-8"))
print(base64.b64encode(compressed_source).decode('utf-8'))

輸出：

QlpoOTFBWSZTWdfQmoEAAAHbgEAQUGAAEgAAoyNUACAAIam1NNGgaaFNMjExMQ2Za0TTvJepAjgXb2pDBBGoliFIT04+LuSKcKEhr6E1Ag==

程式碼壓縮完成後，如何執行呢？其實就用到了exec這個函式/關鍵字。將編碼好的內容，先base64解碼，再使用bz2演算法解壓縮，最後獲得真實的程式碼，並使用exec執行

import bz2, base64
exec(bz2.decompress(base64.b64decode("QlpoOTFBWSZTWdfQmoEAAAHbgEAQUGAAEgAAoyNUACAAIam1NNGgaaFNMjExMQ2Za0TTvJepAjgXb2pDBBGoliFIT04+LuSKcKEhr6E1Ag==")))

這段程式碼就代表了最原始的程式碼，而使用gz,lzma壓縮方式，將bz2包換成zlib 或者lzma即可。

zip執行原理

可能很多朋友不知道，Python是可以直接執行zip檔案的(特別的)，主要是為了方便開發者管理和釋出專案。Python能直接執行一個包含 __main__.py的目錄或者zip檔案。

舉個例子：

|—— ABC/

|—— A.py

|—— __main__.py

示例程式碼：

# A.py
def echo():

    print('ABC!')

# __main__.py
if __name == '__main__':

    import A
    A.echo()

可以直接將多個檔案壓縮成一個zip檔案，直接執行zip檔案就可以。目錄結構：

|—— ABC.zip/

|—— A.py

|—— __main__.py

執行情況：

$ python ABC.zip

ABC!

未完待續。。。

最後

關注公眾號：七夜安全部落格

• 回覆【1】：領取 Python資料分析 教程大禮包
• 回覆【2】：領取 Python Flask 全套教程
• 回覆【3】：領取 某學院 機器學習 教程
• 回覆【4】：領取 爬蟲 教程
• 回覆【5】：領取 編譯原理 教程 
• 回覆【6】：領取 滲透測試 教程 
• 回覆【7】：領取 人工智慧數學基礎 教程

&n