Ghidra项目中Rust AArch64二进制文件BSim签名应用问题分析
问题背景
在使用Ghidra进行二进制分析时,BSim(Binary Similarity)功能是一个强大的工具,它可以通过函数签名匹配来识别不同二进制文件中的相似函数。然而,在处理Rust语言编译的AArch64架构二进制文件时,用户遇到了一个特定问题:当尝试应用从无符号剥离的Rust二进制文件生成的BSim签名到另一个剥离符号的Rust二进制文件时,系统会抛出"Apply signature failed (Invalid calling convention name: __rustcall)"的错误。
技术分析
调用约定问题
这个问题的核心在于Rust编译器使用的__rustcall调用约定在Ghidra中未被正确定义。调用约定(Calling Convention)是函数调用时参数传递、寄存器使用和栈管理的规则体系。在x86架构下,Ghidra已经初步支持了Rust编译器规范扩展,但在AArch64等其他架构上,这一支持尚未实现。
问题表现
当用户执行以下操作流程时会出现问题:
- 对无符号剥离的Rust二进制文件(
rust-rayon2-nostrip)进行自动分析 - 生成BSim签名并提交到BSim数据库
- 尝试将这些签名应用到另一个剥离符号的二进制文件(
rust-rayon2-strip) - 系统拒绝应用签名,因为无法识别
__rustcall调用约定
底层原因
深入分析发现,即使在原始程序中,__rustcall约定也只是在DWARF调试信息分析过程中被强制应用到函数上,实际上并未在Ghidra中正确定义。这导致在创建函数定义数据类型(FunctionDefinitionDataType)等操作时,系统会拒绝传播未定义的调用约定,从而产生错误。
解决方案
官方修复
Ghidra开发团队已经确认将推出修复方案,允许在不考虑调用约定的情况下应用签名。这种解决方案虽然绕过了调用约定验证,但保证了签名匹配功能的基本可用性。
临时解决方案
在官方修复发布前,用户可以采取以下临时措施:
- 仅应用函数名称而不应用完整的签名
- 手动修改或忽略调用约定相关的验证步骤
- 考虑为AArch64架构实现类似的Rust编译器规范扩展
技术影响
这个问题反映了Ghidra对新语言特性支持的一个典型挑战。随着Rust在系统编程领域的普及,对Rust特定特性的支持变得越来越重要。特别是在跨架构支持方面,需要更全面的解决方案。
最佳实践建议
对于使用Ghidra分析Rust二进制文件的用户,建议:
- 关注Ghidra的更新,特别是对Rust支持的改进
- 在分析不同架构的Rust二进制时,注意调用约定相关的潜在问题
- 考虑维护自定义的编译器规范扩展以支持特定需求
- 在BSim签名匹配时,可以优先考虑不依赖调用约定的匹配策略
这个问题虽然表现为一个具体的错误消息,但背后涉及二进制分析工具对新语言特性支持的广泛挑战,值得二进制分析领域的开发者持续关注。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112