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
- 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)。 - 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。 - 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。
- 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)。
- 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。