♧ Godown 安全知识树

Cython pyd 双层交叉引用定位:对 "<模块>.<函数>" 取 xref 得两处,第二处 __pyx_pf_* 才是实现体

code-analysis/reverse · verified

一句话结论

Cython 编译出的 pyd 里,一个 Python 函数会生成两层原生实体:一层是负责参数解析/异常转换的包装函数,另一层是 __pyx_pf_* 形式的真正实现体;对字符串窗里的 "<模块>.<函数>" 取交叉引用会同时命中这两处,只看第一处(包装层)会误判逻辑,必须跟进第二处。

原理

  • Cython 用一套固定模板为每个可调用的 Python 函数生成 __pyx_pw_*(wrapper)与 __pyx_pf_*(实现)两个 C 函数。wrapper 负责把 Python 元组参数拆成 C 变量、校验个数与关键字、把异常转成 Python 异常;真正的算法逻辑只出现在 pf 层。
  • 两层之间通过一张字符串常量建立可搜索的联系:模块初始化时会构造 "模块名.函数名" 这样的 qualified name 字符串(例如 rand0m.check),wrapper 用它做 PyArg_ParseTuple 的错误信息与 __qualname__,pf 层的引用则来自 Cython 生成的自省结构。因此对这个字符串取 xref 必然得到 ≥2 条,且第一条通常是 pw、第二条是 pf(顺序由生成模板决定,不应硬信"一定是第二条",而应按"哪个函数体里出现真正的 C-API 运算"来判定)。
  • 判定 pf 而非 pw 的特征:pw 里几乎只有 PyTuple_GET_ITEM、PyArg_ParseTuple、PyErr_SetString、对 pf 的一次调用;pf 里才出现 PyList_New/PyTuple_New、PyNumber_*、PyLong_From*、Py_Dealloc 这类真正做数据变换的调用。
  • 同理,同名模块的字符串常量("rand0m"、"rand0m.c"、"rand0m.pyx")会指向模块初始化与元数据构建代码,不是业务逻辑入口,不能作为逆向起点。

触发条件

  • 目标是 Cython 编译的原生扩展(文件名含 ABI tag,符号区/字符串窗可见 *.pyx、*.c、__pyx_ 或模块全名)。
  • 反汇编器里能按字符串交叉引用(IDA 的 x、Ghidra 的 References to)。
  • 已知要分析的 Python 函数名(驱动脚本里 import 模块; 模块.函数(...) 可读)。

利用步骤

  1. 从驱动脚本读出真实调用点,确认模块名与函数名(例如 rand0m.check)。
  2. 进入字符串窗口,找到完整 qualified name(不是单独的模块名,也不是 "check"),列表通常呈现 模块.c、模块.pyx、模块、模块.函数、函数 这一串,选最长的那条。
  3. 对该字符串取交叉引用,得到 N 条(N≥2)。逐条进入函数体,按"是否出现真正的 C-API 数据变换调用"区分 wrapper 与实现体。
  4. 选定实现体后,再在实现体内部做下一步(常量槽回溯或 C-API 序列翻译)。
  5. 若 xref 只出现 1 条,说明该函数被内联或已被剥离符号,改用"从 wrapper 的调用目标往下跟一层"取得 pf。

PoC

无 PoC(本原子为定位手法,无危害可演示;效果体现为"能正确进入实现体而非包装层")。

变体与关联

  • 变体:cdef/cpdef 函数与 def 函数的生成模板不同,cpdef 还会额外生成 C 层入口,可能得到 3 处引用,需按同样特征挑出真正实现体。
  • 变体:staticmethod/classmethod 的 qualified name 形如 模块.类.方法,字符串更长,同样可直接搜。
  • 变体:开了 -DCYTHON_REFNANNY 或 profiling 后,模板会多出一层间接调用,wrapper 与 pf 之间可能还夹一个 trace 函数。
  • 关联:拿到实现体之后通常接着做常量槽回溯(off_XXX 槽取值)与 C-API 序列翻译;两者都需要先完成本步。

检测与防御

  • 检测:pyd 里成对出现的 __pyx_pw_*/__pyx_pf_* 符号;*.pyx 字符串残留。
  • 防御:不要在客户端 pyd 中承担判定逻辑;去掉 .pyx/.c 文件名残留与调试符号只能提高成本,不能阻止本定位手法。