♧ Godown 安全知识树

PHP 字节码反编译:VLD 导出 OPCode 后交给 LLM 还原源码结构

code-analysis/reverse · verified

一句话结论

PHP 没有像 dnSpy 那样成熟的源码级反编译器,但可以用 VLD 扩展在执行时导出 OPCode 列表(操作码、操作数、函数/类调用),再把这份字节码清单交给长上下文 LLM,让它按“函数调用、对象创建、全局变量访问、控制流”的模式还原出等价的 PHP 源码结构,作为人工逆向的起点。

原理

  • PHP 先编译为 OPCode 再执行;VLD(Vulcan Logic Dumper)是常用扩展,开启后会把每个函数/文件的 OPCode 逐条打印出来,包含 opcode 名称(如 RECV、INIT_METHOD_CALL、DO_FCALL、ASSIGN_DIM、FETCH_DIM_R、NEW、SEND_VAL 等)、操作数、返回操作数与行号。
  • OPCode 保留了控制流与调用关系,但会丢失部分源码层级信息(局部变量名可能只剩 CV 槽位、表达式被拆成多条指令、常量折叠/优化可能改变结构);直接读 OPCode 反推源码需要经验。
  • LLM 擅长把“指令序列 → 高层语义”的模式匹配:例如 NEW mailbox_mails + DO_FCALL + ASSIGN_DIM $G_LIB,'mailbox' + OP_DATA 可还原为 $GLOBALS['__LIB']['mailbox'] = new mailbox_mails();;INIT_METHOD_CALL $3,'set_userid' + FETCH_DIM_FUNC_ARG $session,'id' + SEND_VAR_EX + DO_FCALL 可还原为对象方法调用;BIND_GLOBAL $session + FETCH_DIM_FUNC_ARG $session,'id' 对应 global $session; 与 $session->id,FETCH_DIM_R $G_LIB,'maildir' 为读全局数组元素。
  • 幻灯片展示的流程:PHP 源码 → VLD 逆向获取 OPCode → GPT 实现反编译器,输出带有 $GLOBALS、new mailbox_mails、set_userid、set_mailbox 等调用的 PHP 代码。LLM 的输出是“语义等价近似”,适合快速理解业务逻辑与敏感数据流,而不是逐字节精确还原。
  • 价值:面对加密/混淆/无源码的 PHP 应用(或只有 opcache/字节码的场景),先用 VLD 拿到可读指令,再让模型批量翻译,能显著降低人工阅读成本;结果可用于定位后门、危险函数与数据流。

触发条件

  • 能运行目标 PHP 代码并安装/启用 VLD 扩展(或能获得 OPCode 转储)。
  • PHP 版本与 VLD 兼容;代码不是纯 eval/动态生成导致 OPCode 不可得。
  • 有能处理较长指令序列的 LLM(本地或 API),并允许把代码片段送给它(注意保密)。

利用步骤

  1. 安装 VLD 扩展,确认 php -m 可见;用 php -d vld.active=1 -d vld.execute=0 <script>.php 输出 OPCode(vld.execute=0 避免真正执行不受信任代码,按版本确认参数行为)。
  2. 保存目标函数/文件的 OPCode 段落,必要时按函数拆分,避免超出模型上下文。
  3. 给 LLM 的提示:说明这是 PHP VLD OPCode,要求按 opcode 语义还原为可读 PHP(保留函数/类名与全局变量,控制流用 if/foreach/return 表示,不确定处标注)。
  4. 对照行号与调用关系人工校验;对关键数据流(输入→数据库/文件/命令)单独追问。
  5. 将还原结果用于后续审计(危险函数、反序列化、SQL 拼接等),必要时用运行时 hook/动态调试验证。

PoC

无完整 PoC(原文为幻灯片中的流程演示)。核心命令与提示骨架:

# 1) 用 VLD 导出 OPCode(不执行)
php -d vld.active=1 -d vld.execute=0 target.php > opcode.txt
下面是一个 PHP 文件的 VLD OPCode 列表(opcode + operands + line)。
请将它还原为语义等价的 PHP 源码:
- NEW/DO_FCALL/INIT_METHOD_CALL 还原为对象创建与方法调用;
- ASSIGN_DIM/FETCH_DIM_R 还原为数组/全局变量读写;
- 保留函数名、类名、全局变量名;不确定处用注释标注。

变体与关联

  • 变体:phpdbg/opcache 的 opcode dump;Xdebug 跟踪调用序列;对 Python dis、JVM/IL 字节码、Lua 字节码做同样的“字节码 + LLM 翻译”。
  • 关联 [[code-analysis-reverse-obfuscation-php-gzinflate-strtr-base64-unwrap]]:PHP 混淆壳的静态还原;本卡针对已编译 OPCode 的语义反编译,二者可串联(先脱壳再反编译)。
  • 关联 [[code-analysis-reverse-windows-dotnet-metadata-token-rva-method-body]]:同为字节码/IL 级定位,但语言与工具链不同。
  • 边界:OPCode 优化会丢失源码结构;局部变量名/注释不可恢复;动态特性(eval、可变函数、include 路径)使静态还原失真;LLM 可能编造不存在的逻辑,必须人工验证。

检测与防御

  • 防御(PHP 应用保护):使用 opcache/源码加密/商业混淆提高逆向成本;但运行期仍需解密,无法阻止 VLD 式转储,重点应放在减少前端源码与密钥暴露。
  • 检测:生产环境不应安装 VLD/Xdebug 等调试扩展;监控异常的 php -d vld.active=1 进程与 opcode 转储文件。
  • 分析侧:把 LLM 输出当作“可读草稿”,用运行时日志/断点验证关键分支,避免被幻觉误导。