Decompiling Binaries into LLVM IR Using McSema and Dyninst

Bc. Lukáš Korenčik

Master's thesis

Anotácia:

Existuje veľa nástrojov, ktoré pracujú s LLVM bitkódom. Na použitie týchto nájstrov je potrebný buď zdrojový kód (pomocou kompilátoru je možné získať LLVM bitkód) alebo samotný LLVM bitkód. Niekedy však sú k dispozícii len skompilované binárne súbory a neexistuje žiaden dobre definovaný postup ako získať LLVM bitkód z binárky. McSema je nástroj, ktorý prekladá skompilované binárky do LLVM bitkódu, čím umožňuje nástrojom na analýzu bitkódu pracovať aj s binárkami, čo doteraz nebolo možné. McSema má voľne dostupný zdrojový kód, avšak potrebuje proprietárne knižnice ktoré poskytujú možnosti analýzy binárok. Táto práca poskytuje alternatívnu implementáciu komponenty McSemy, ktorá využíva voľne dostupný Dyninst disassembler. Vďaka tejto novej implementácii môže byť McSema použitá bez akýchkoľvek proprietárnych knižníc. Schopnosti novej implementácie sú porovnané už s existujícimi implementáciami na fixnej sade programov.

Abstract:

There are many tools that operate on LLVM bitcode. To use these tools, LLVM bitcode or original source code are required (LLVM bitcode can be obtained from the source code by a compiler). Sometimes however, only already compiled binaries are available - there is no standard and well-defined process to obtain LLVM bitcode from a binary. McSema is a tool that translates binaries into LLVM bitcode; it makes the tools applicable on previously unavailable targets. McSema itself is open-source, although it relies on proprietary third-party libraries to provide disassembly capabilities. This is problematic, as it prevents many users from using the software. This thesis provides alternative implementation to the proprietary component of McSema which uses open-source Dyninst disassembler. With this new implementation McSema can be used without proprietary software. The performance of the open source version is demonstrated on a set of programs and the results are compared with already existing components.

Keywords

McSema, Dyninst, LLVM, Disassembly, Decompilation, Assembler, ELF, Processor architecture, Binary analysis

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 20. 5. 2019

Obhajoba závěrečné práce

• Obhajoba proběhla 20. 6. 2019
• Vedúci: RNDr. Petr Ročkai, Ph.D.
• Oponent: Mgr. Marek Chalupa

Masaryk University

Faculty of Informatics

Master programme / odbor:
Informatics / Parallel and Distributed Systems