做逆向分析时间长了,你可能会注意到一个规律:单看某一条表达式,几乎所有代码都长得差不多;但把几条表达式通过逻辑运算符串成一组复合判断,每段代码就有了一股"认得出"的味道。这就像看笔迹,单个笔画谁都会写,可笔画与笔画的连接方式、用力习惯,才是真正能用来鉴别的特征。多表达式逻辑关系,恰恰就是二进制程序里那层最容易保留作者痕迹、又最容易被忽视的结构。
这篇文章要聊的就是这个方向:如何从一段代码或一个二进制函数中,提取出"多表达式逻辑关系"层面的逆向特征,并用它来完成恶意样本同源性分析、代码归属判定、漏洞模式匹配这类偏实战的任务。适合做病毒分析、固件逆向、代码审计,以及做二进制相似性检测的工程师参考。我会把核心概念、特征维度、实战推演和自动化提取路径都过一遍,最后聊聊几个容易翻车的地方。
1. 多表达式逻辑关系:为什么值得当成独立的特征层
很多人在做逆向时习惯盯着单条指令或单个基本块看:这里有个 cmp,那里有个 jz,然后顺着控制流一路跟下去。这种做法的优点是直接,缺点是碎片化。因为你看到的是被编译器切碎之后的"指令流",而不是程序作者真正写出来的"逻辑组织方式"。
1.1 从"一句话"到"一段话":特征粒度的跃迁
如果你只看一行代码,比如 if (a > 0),反汇编出来基本就是一次比较加一次跳转,几乎没有任何辨识度。但当你把视野拉宽,看到一个这样的复合判断:
c复制if ((a > 0 && b < 100) || (c == 0x5A && d != 0)) {
// do something
}
这个由两个子条件通过 OR 连接的复合表达式,带给分析者的信息就完全不一样了:
- 子条件的个数和连接符分布构成了拓扑特征;
0x5A这个常量携带了明确的数值指纹;- 短路求值的顺序直接映射到底层汇编的基本块排列方式。
所以,"多表达式逻辑关系"不是几行代码的堆叠,而是一个有结构的对象。把它单独作为一层特征来研究,能拿到的信息量远超单条语句。
1.2 为什么这层特征更稳定、更能抗混淆
从对抗的角度看,混淆工具能做的最顺手的事情,是替换变量名、增加垃圾指令、改写单个运算表达式。比如把 a + 5 改成 a + 2 + 3,或者把 x * 2 改成 x << 1。这类变换对单条表达式的形态影响极大,但它很难改变一个复合条件内部的骨架——比如"必须先满足 A 再满足 B"这种嵌套关系、操作数的常量取值、子条件之间的 AND/OR 连接方式。因为一旦改了这些,程序行为就变了。
这让我想起一个很实际的类比:你想在人群里辨认一个人,身高、发色这种单一外观特征很不可靠,但如果看的是"走路时摆手的幅度、停顿时微微侧身的姿势、上下台阶时先迈哪只脚"这种组合关系,识别率就会大幅提升。多表达式逻辑关系,就相当于代码的"步态"。
1.3 逆向中的三类典型需求都依赖这层信息
我总结了一下,凡是涉及"关系级"逆向分析的场景,最终都会落到这层特征上:
- 恶意代码同源性分析:某个家族的木马在不同版本里复用同一个校验逻辑,函数名变了、加密壳换了,但
if (hash == 0x0D0C && version < 5 && flag & 0x80)这种复合条件骨架还在; - 代码作者识别:同一个工程师写的网络协议解析代码,总是习惯先判长度再判魔数,再判校验,这个顺序本身就是一种行为指纹;
- 漏洞模式匹配:典型漏洞往往由一个"缺失边界检查 + 特定比较逻辑 + 危险操作"的组合构成,提取复合条件能直接命中模式。
换句话说,多表达式逻辑关系这个分析维度,是连接"底层指令"和"高层语义"的一座桥。越过这座桥,你看到的就不再是一堆跳转指令,而是作者脑子里的决策树。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 逆向视角下的三类复合逻辑形态:先认识目标再动手提特征
在正式进入特征提取之前,得先把"多表达式逻辑关系"在二进制里最常见的三种形态理清楚。形态不同,能提取的特征类型也完全不同。如果上来就眉毛胡子一把抓,很容易把逻辑拓扑特征和数据流特征搅在一起,反而降低后续匹配的准确率。
2.1 逻辑运算符串联的复合条件
这是最直观的一类。多个子表达式通过 &&、||、! 连接,最终落成一个布尔结果。在源码层面,它可能出现在 if、while、for 的条件位置,也可能直接出现在 return 语句里。反汇编层面,这类逻辑会被编译成一组"比较 + 条件跳转"指令,而跳转的目标和顺序,恰好暴露了原始逻辑的连接方式。
典型特征提取点有两个。第一是短路求值留下的顺序痕迹。以 if (a > 0 && b < 100) 为例,编译器通常不会把两个子条件都算完再合并,而是先比较 a,失败就直接跳过整个分支。这个"先算谁、失败跳去哪"的顺序,在反汇编里非常清晰。第二是子条件之间的关联,比如两个子条件是否引用同一个变量、比较对象是常量还是内存加载。
