汇编语言的准备知识给初次接触汇编者.docx
《汇编语言的准备知识给初次接触汇编者.docx》由会员分享，可在线阅读，更多相关《汇编语言的准备知识给初次接触汇编者.docx（11页珍藏版）》请在冰豆网上搜索。
汇编语言的准备知识给初次接触汇编者
汇编语言的准备知识--给初次接触汇编者
汇编语言和CPU以及内存,端口等硬件知识是连在一起的.这也是为什么汇编语言没有通用性的原因.下面简单讲讲基本知识（针对INTELx86及其兼容机）
============================
x86汇编语言的指令,其操作对象是CPU上的寄存器,系统内存,或者立即数.有些指令表面上没有操作数,或者看上去缺少操作数,其实该指令有内定的操作对象,比如push指令,一定是对SS:
ESP指定的内存操作,而cdq的操作对象一定是eax/edx.
在汇编语言中,寄存器用名字来访问.CPU寄存器有好几类,分别有不同的用处:
1.通用寄存器:
EAX,EBX,ECX,EDX,ESI,EDI,EBP,ESP（这个虽然通用,但很少被用做除了堆栈指针外的用途）
这些32位可以被用作多种用途,但每一个都有"专长".EAX是"累加器"（accumulator）,它是很多加法乘法指令的缺省寄存器.EBX是"基地址"（base）寄存器,在内存寻址时存放基地址.ECX是计数器（counter）,是重复（REP）前缀指令和LOOP指令的内定计数器.EDX是...（忘了..哈哈）但它总是被用来放整数除法产生的余数.这4个寄存器的低16位可以被单独访问,分别用AX,BX,CX和DX.AX又可以单独访问低8位（AL）和高8位（AH）,BX,CX,DX也类似.函数的返回值经常被放在EAX中.
ESI/EDI分别叫做"源/目标索引寄存器"（source/destinationindex）,因为在很多字符串操作指令中,DS:
ESI指向源串,而ES:
EDI指向目标串.
EBP是"基址指针"（BASEPOINTER）,它最经常被用作高级语言函数调用的"框架指针"（framepointer）.在破解的时候,经常可以看见一个标准的函数起始代码:
pushebp;保存当前ebp
movebp,esp;EBP设为当前堆栈指针
subesp,xxx;预留xxx字节给函数临时变量.
...
这样一来,EBP构成了该函数的一个框架,在EBP上方分别是原来的EBP,返回地址和参数.EBP下方则是临时变量.函数返回时作movesp,ebp/popebp/ret即可.
ESP专门用作堆栈指针.
2.段寄存器:
CS（CodeSegment，代码段）指定当前执行的代码段.EIP（Instructionpointer,指令指针）则指向该段中一个具体的指令.CS:
EIP指向哪个指令,CPU就执行它.一般只能用jmp,ret,jnz,call等指令来改变程序流程,而不能直接对它们赋值.
DS（DATASEGMENT,数据段）指定一个数据段.注意:
在当前的计算机系统中,代码和数据没有本质差别,都是一串二进制数,区别只在于你如何用它.例如,CS制定的段总是被用作代码,一般不能通过CS指定的地址去修改该段.然而,你可以为同一个段申请一个数据段描述符"别名"而通过DS来访问/修改.自修改代码的程序常如此做.
ES,FS,GS是辅助的段寄存器,指定附加的数据段.
SS（STACKSEGMENT）指定当前堆栈段.ESP则指出该段中当前的堆栈顶.所有push/pop系列指令都只对SS:
ESP指出的地址进行操作.
3.标志寄存器（EFLAGS）:
该寄存器有32位,组合了各个系统标志.EFLAGS一般不作为整体访问,而只对单一的标志位感兴趣.常用的标志有:
进位标志C（CARRY）,在加法产生进位或减法有借位时置1,否则为0.
零标志Z（ZERO）,若运算结果为0则置1,否则为0
符号位S（SIGN）,若运算结果的最高位置1,则该位也置1.
溢出标志O（OVERFLOW）,若（带符号）运算结果超出可表示范围,则置1.
JXX系列指令就是根据这些标志来决定是否要跳转,从而实现条件分枝.要注意,很多JXX指令是等价的,对应相同的机器码.例如,JE和JZ是一样的,都是当Z=1是跳转.只有JMP是无条件跳转.JXX指令分为两组,分别用于无符号操作和带符号操作.JXX后面的"XX"有如下字母:
无符号操作:
带符号操作:
A="ABOVE",表示"高于"G="GREATER",表示"大于"
B="BELOW",表示"低于"L="LESS",表示"小于"
C="CARRY",表示"进位"或"借位"O="OVERFLOW",表示"溢出"
S="SIGN",表示"负"
通用符号:
E="EQUAL"表示"等于",等价于Z（ZERO）
N="NOT"表示"非",即标志没有置位.如JNZ"如果Z没有置位则跳转"
Z="ZERO",与E同.
如果仔细想一想,就会发现JA=JNBE,JAE=JNB,JBE=JNA,JG=JNLE,JGE=JNL,JL=JNGE,....
4.端口
端口是直接和外部设备通讯的地方。
外设接入系统后，系统就会把外设的数据接口映射到特定的端口地址空间，这样，从该端口读入数据就是从外设读入数据，而向外设写入数据就是向端口写入数据。
当然这一切都必须遵循外设的工作方式。
端口的地址空间与内存地址空间无关，系统总共提供对64K个8位端口的访问，编号0-65535.相邻的8位端口可以组成成一个16位端口，相邻的16位端口可以组成一个32位端口。
端口输入输出由指令IN,OUT,INS和OUTS实现，具体可参考汇编语言书籍。
汇编指令的操作数可以是内存中的数据，如何让程序从内存中正确取得所需要的数据就是对内存的寻址。
INTEL的CPU可以工作在两种寻址模式:
实模式和保护模式。
前者已经过时，就不讲了，WINDOWS现在是32位保护模式的系统，PE文件就基本是运行在一个32位线性地址空间，所以这里就只介绍32位线性空间的寻址方式。
其实线性地址的概念是很直观的，就想象一系列字节排成一长队，第一个字节编号为0，第二个编号位1，。
。
。
。
一直到4294967295（十六进制FFFFFFFF，这是32位二进制数所能表达的最大值了）。
这已经有4GB的容量!
足够容纳一个程序所有的代码和数据。
当然，这并不表示你的机器有那么多内存。
物理内存的管理和分配是很复杂的内容，初学者不必在意，总之，从程序本身的角度看，就好象是在那么大的内存中。
在INTEL系统中，内存地址总是由"段选择符:
有效地址"的方式给出。
段选择符（SELECTOR）存放在某一个段寄存器中，有效地址则可由不同的方式给出。
段选择符通过检索段描述符确定段的起始地址，长度（又称段限制），粒度，存取权限，访问性质等。
先不用深究这些，只要知道段选择符可以确定段的性质就行了。
一旦由选择符确定了段，有效地址相对于段的基地址开始算。
比如由选择符1A7选择的数据段，其基地址是400000，把1A7装入DS中，就确定使用该数据段。
DS:
0就指向线性地址400000。
DS:
1F5278就指向线性地址5E5278。
我们在一般情况下，看不到也不需要看到段的起始地址，只需要关心在该段中的有效地址就行了。
在32位系统中，有效地址也是由32位数字表示，就是说，只要有一个段就足以涵盖4GB线性地址空间，为什么还要有不同的段选择符呢?
正如前面所说的，这是为了对数据进行不同性质的访问。
非法的访问将产生异常中断，而这正是保护模式的核心内容，是构造优先级和多任务系统的基础。
这里有涉及到很多深层的东西，初学者先可不必理会。
有效地址的计算方式是:
基址+间址*比例因子+偏移量。
这些量都是指段内的相对于段起始地址的量度，和段的起始地址没有关系。
比如，基址=100000，间址=400，比例因子=4，偏移量=20000，则有效地址为:
100000+400*4+20000=100000+1000+20000=121000。
对应的线性地址是400000+121000=521000。
（注意，都是十六进制数）。
基址可以放在任何32位通用寄存器中，间址也可以放在除ESP外的任何一个通用寄存器中。
比例因子可以是1，2，4或8。
偏移量是立即数。
如:
[EBP+EDX*8+200]就是一个有效的有效地址表达式。
当然，多数情况下用不着这么复杂，间址，比例因子和偏移量不一定要出现。
内存的基本单位是字节（BYTE）。
每个字节是8个二进制位，所以每个字节能表示的最大的数是11111111，即十进制的255。
一般来说，用十六进制比较方便，因为每4个二进制位刚好等于1个十六进制位，11111111b=0xFF。
内存中的字节是连续存放的，两个字节构成一个字（WORD），两个字构成一个双字（DWORD）。
在INTEL架构中，采用smallendian格式，即在内存中，高位字节在低位字节后面。
举例说明:
十六进制数803E7D0C，每两位是一个字节，在内存中的形式是:
0C7D3E80。
在32位寄存器中则是正常形式，如在EAX就是803E7D0C。
当我们的形式地址指向这个数的时候，实际上是指向第一个字节，即0C。
我们可以指定访问长度是字节，字或者双字。
假设DS:
[EDX]指向第一个字节0C:
movAL，byteptrDS:
[EDX];把字节0C存入AL
movAX，wordptrDS:
[EDX];把字7D0C存入AX
movEAX，dwordptrDS:
[EDX];把双字803E7D0C存入EAX
在段的属性中，有一个就是缺省访问宽度。
如果缺省访问宽度为双字（在32位系统中经常如此），那么要进行字节或字的访问，就必须用byte/wordptr显式地指明。
缺省段选择：
如果指令中只有作为段内偏移的有效地址，而没有指明在哪一个段里的时候，有如下规则：
如果用ebp和esp作为基址或间址，则认为是在SS确定的段中；
其他情况，都认为是在DS确定的段中。
如果想打破这个规则，就必须使用段超越前缀。
举例如下：
moveax，dwordptr[edx];缺省使用DS，把DS:
[EDX]指向的双字送入eax
movebx，dwordptrES:
[EDX];使用ES:
段超越前缀，把ES:
[EDX]指向的双字送入ebx
堆栈：
堆栈是一种数据结构，严格地应该叫做“栈”。
“堆”是另一种类似但不同的结构。
SS和ESP是INTEL对栈这种数据结构的硬件支持。
push/pop指令是专门针对栈结构的特定操作。
SS指定一个段为栈段，ESP则指出当前的栈顶。
pushxxx指令作如下操作：
把ESP的值减去4；
把xxx存入SS:
[ESP]指向的内存单元。
这样，esp的值减小了4，并且SS:
[ESP]指向新压入的xxx。
所以栈是“倒着长”的，从高地址向低地址方向扩展。
popyyy指令做相反的操作，把SS:
[ESP]指向的双字送到yyy指定的寄存器或内存单元，然后把esp的值加上4。
这时，认为该值已被弹出，不再在栈上了，因为它虽然还暂时存在在原来的栈顶位置，但下一个push操作就会把它覆盖。
因此，在栈段中地址低于esp的内存单元中的数据均被认为是未定义的。
最后，有一个要注意的事实是，汇编语言是面向机器的，指令和机器码基本上是一一对应的，所以它们的实现取决于硬件。
有些看似合理的指令实际上是不存在的，比如:
movDS:
[edx]，ds:
[ecx];内存单元之间不能直接传送
movDS，1A7;段寄存器不能直接由立即数赋值
movEIP，3D4E7;不能对指令指针直接操作。
“汇编语言”作为一门语言，对应于高级语言的编译器，我们需要一个“汇编器”来把汇编语言原文件汇编成机器可执行的代码。
高级的汇编器如MASM,TASM等等为我们写汇编程序提供了很多类似于高级语言的特征，比如结构化、抽象等。
在这样的环境中编写的汇编程序，有很大一部分是面向汇编器的伪指令，已经类同于高级语言。
现在的汇编环境已经如此高级，即使全部用汇编语言来编写windows的应用程序也是可行的，但这不是汇编语言的长处。
汇编语言的长处在于编写高效且需要对机器硬件精确控制的程序。
而且我想这里的人学习汇编的目的多半是为了在破解时看懂反汇编代码，很少有人真的要拿汇编语言编程序吧？
（汗......）
好了，言归正传。
大多数汇编语言书都是面向汇编语言编程的，我的帖是面向机器和反汇编的，希望能起到相辅相成的作用。
有了前面两篇的基础，汇编语言书上对大多数指令的介绍应该能够看懂、理解了。
这里再讲一讲一些常见而操作比较复杂的指令。
我这里讲的都是机器的硬指令，不针对任何汇编器。
无条件转移指令jmp:
这种跳转指令有三种方式：
短（short），近（near）和远（far）。
短是指要跳至的目标地址与当前地址前后相差不超过128字节。
近是指跳转的目标地址与当前地址在用一个段内，即CS的值不变，只改变EIP的值。
远指跳到另一个代码段去执行，CS/EIP都要改变。
短和近在编码上有所不同，在汇编指令中一般很少显式指定，只要写jmp目标地址，几乎任何汇编器都会根据目标地址的距离采用适当的编码。
远转移在32位系统中很少见到，原因前面已经讲过，由于有足够的线性空间，一个程序很少需要两个代码段，就连用到的系统模块也被映射到同一个地址空间。
jmp的操作数自然是目标地址，这个指令支持直接寻址和间接寻址。
间接寻址又可分为寄存器间接寻址和内存间接寻址。
举例如下（32位系统）:
jmp8E347D60;直接寻址段内跳转
jmpEBX;寄存器间接寻址：
只能段内跳转
jmpdwordptr[EBX];内存间接寻址，段内跳转
jmpdwordptr[00903DEC];同上
jmpfwardptr[00903DF0];内存间接寻址，段间跳转
解释：
在32位系统中，完整目标地址由16位段选择子和32位偏移量组成。
因为寄存器的宽度是32位，因此寄存器间接寻址只能给出32位偏移量，所以只能是段内近转移。
在内存间接寻址时，指令后面是方括号内的有效地址，在这个地址上存放跳转的目标地址。
比如，在[00903DEC]处有如下数据：
7C825900A70185659F01
内存字节是连续存放的，如何确定取多少作为目标地址呢？
dwordptr指明该有效地址指明的是双字，所以取
0059827C作段内跳转。
反之，fwardptr指明后面的有效地址是指向48位完全地址，所以取19F:
658501A7做远跳转。
注意：
在保护模式下，如果段间转移涉及优先级的变化，则有一系列复杂的保护检查，现在可不加理会。
将来等各位功力提升以后可以自己去学习。
条件转移指令jxx:
只能作段内转移，且只支持直接寻址。
=========================================
调用指令CALL:
Call的寻址方式与jmp基本相同，但为了从子程序返回，该指令在跳转以前会把紧接着它的下一条指令的地址压进堆栈。
如果是段内调用（目标地址是32位偏移量），则压入的也只是一个偏移量。
如果是段间调用（目标地址是48位全地址），则也压入下一条指令的完全地址。
同样，如果段间转移涉及优先级的变化，则有一系列复杂的保护检查。
与之对应retn/retf指令则从子程序返回。
它从堆栈上取得返回地址（是call指令压进去的）并跳到该地址执行。
retn取32位偏移量作段内返回，retf取48位全地址作段间返回。
retn/f还可以跟一个立即数作为操作数，该数实际上是从堆栈上传给子程序的参数的个数（以字计）返回后自动把堆栈指针esp加上指定的数*2，从而丢弃堆栈中的参数。
这里具体的细节留待下一篇讲述。
虽然call和ret设计为一起工作，但它们之间没有必然的联系。
就是说，如果你直接用push指令向堆栈中压入一个数，然后执行ret，他同样会把你压入的数作为返回地址，而跳到那里去执行。
这种非正常的流程转移可以被用作反跟踪手段。
==========================================
中断指令INTn
在保护模式下，这个指令必定会被操作系统截获。
在一般的PE程序中，这个指令已经不太见到了，而在DOS时代，中断是调用操作系统和BIOS的重要途径。
现在的程序可以文质彬彬地用名字来调用windows功能，如calluser32!
getwindowtexta。
从程序角度看，INT指令把当前的标志寄存器先压入堆栈，然后把下一条指令的完全地址也压入堆栈，最后根据操作数n来检索“中断描述符表”，试图转移到相应的中断服务程序去执行。
通常，中断服务程序都是操作系统的核心代码，必然会涉及到优先级转换和保护性检查、堆栈切换等等，细节可以看一些高级的教程。
与之相应的中断返回指令IRET做相反的操作。
它从堆栈上取得返回地址，并用来设置CS:
EIP,然后从堆栈中弹出标志寄存器。
注意，堆栈上的标志寄存器值可能已经被中断服务程序所改变，通常是进位标志C,用来表示功能是否正常完成。
同样的，IRET也不一定非要和INT指令对应，你可以自己在堆栈上压入标志和地址，然后执行IRET来实现流程转移。
实际上，多任务操作系统常用此伎俩来实现任务转换。
广义的中断是一个很大的话题，有兴趣可以去查阅系统设计的书籍。
============================================
装入全指针指令LDS,LES,LFS,LGS,LSS
这些指令有两个操作数。
第一个是一个通用寄存器，第二个操作数是一个有效地址。
指令从该地址取得48位全指针，将选择符装入相应的段寄存器，而将32位偏移量装入指定的通用寄存器。
注意在内存中，指针的存放形式总是32位偏移量在前面，16位选择符在后面。
装入指针以后，就可以用DS:
[ESI]这样的形式来访问指针指向的数据了。
============================================
字符串操作指令
这里包括CMPS,SCAS,LODS,STOS,MOVS,INS和OUTS等。
这些指令有一个共同的特点，就是没有显式的操作数，而由硬件规定使用DS:
[ESI]指向源字符串，用ES:
[EDI]指向目的字符串，用AL/AX/EAX做暂存。
这是硬件规定的，所以在使用这些指令之前一定要设好相应的指针。
这里每一个指令都有3种宽度形式，如CMPSB（字节比较）、CMPSW（字比较）、CMPSD（双字比较）等。
CMPSB:
比较源字符串和目标字符串的第一个字符。
若相等则Z标志置1。
若不等则Z标志置0。
指令执行完后，ESI和EDI都自动加1，指向源/目标串的下一个字符。
如果用CMPSW,则比较一个字，ESI/EDI自动加2以指向下一个字。
如果用CMPSD,则比较一个双字，ESI/EDI自动加4以指向下一个双字。
（在这一点上这些指令都一样，不再赘述）
SCAB/W/D把AL/AX/EAX中的数值与目标串中的一个字符/字/双字比较。
LODSB/W/D把源字符串中的一个字符/字/双字送入AL/AX/EAX
STOSB/W/D把AL/AX/EAX中的直送入目标字符串中
MOVSB/W/D把源字符串中的字符/字/双字复制到目标字符串
INSB/W/D从指定的端口读入字符/字/双字到目标字符串中，端口号码由DX寄存器指定。
OUTSB/W/D把源字符串中的字符/字/双字送到指定的端口，端口号码由DX寄存器指定。
串操作指令经常和重复前缀REP和循环指令LOOP结合使用以完成对整个字符串的操作。
而REP前缀和LOOP指令都有硬件规定用ECX做循环计数器。
举例：
LDSESI,SRC_STR_PTR
LESEDI,DST_STR_PTR
MOVECX,200
REPMOVSD
上面的代码从SRC_STR拷贝200个双字到DST_STR.细节是：
REP前缀先检查ECX是否为0，若否则执行一次MOVSD,ECX自动减1，然后执行第二轮检查、执行......直到发现ECX=0便不再执行MOVSD,结束重复而执行下面的指令。
LDSESI,SRC_STR_PTR
MOVECX,100
LOOP1:
LODSW
....（dealwithvalueinAX）
LOOPLOOP1
.....
从SRC_STR处理100个字。
同样，LOOP指令先判断ECX是否为零，来决定是否循环。
每循环一轮ECX自动减1。
REP和LOOP都可以加上条件，变成REPZ/REPNZ和LOOPZ/LOOPNZ.这是除了ECX外，还用检查零标志Z.REPZ和LOOPZ在Z为1时继续循环，否则退出循环，即使ECX不为0。
REPNZ/LOOPNZ则相反。
====================================================
高级语言程序的汇编解析
在高级语言中，如C和PASCAL等等，我们不再直接对硬件资源进行操作，而是面向于问题的解决，这主要体现在数据抽象化和程序的结构化。
例如我们用变量名来存取数据，而不再关心这个数据究竟在内存的什么地方。
这样，对硬件资源的使用方式完全交给了编译器去处理。
不过，一些基本的规则还是存在的，而且大多数编译器都遵循一些规范，这使得我们在阅读反汇编代码的时候日子好过一点。
这里主要讲讲汇编代码中一些和高级语言对应的地方。
1.普通变量。
通常声明的变量是存放在内存中的。
编译器把变量名和一个内存地址联系起来（这里要注意的是，所谓的“确定的地址”是对编译器而言在编译阶段算出的一个临时的地址。
在连接成可执行文件并加载到内存中执行的时候要进行重定位等一系列调整，才生成一个实时的内存地址，不过这并不影响程序的逻辑，所以先不必太在意这些细节，只要知道所有的函数名字和变量名字都对应一个内存的地址就行了），所以变量名在汇编代码中就表现为一个有效地址，就是放在方括号中的操作数。
例如，在C文件中声明：
intmy_age;
这个整型的变量就存在一个特定的内存位置。
语句my_age=32;在反汇编代码中可能表现为：
movwordptr[007E85DA],20
所以在方括号中的有效地址对应的是变量名。
又如：
charmy_name[11]="lianz
升级会员 