edb-debugger中PLT符号地址偏移问题的分析与解决
2025-06-28 00:45:13作者:傅爽业Veleda
问题背景
在使用edb-debugger调试工具时,Ubuntu 22.04 WSL2环境下的用户发现了一个关于PLT(Procedure Linkage Table)符号地址显示异常的问题。具体表现为所有PLT符号的地址都出现了一个固定的偏移量,导致调试时无法正确显示库函数名称,而只能显示原始地址。
问题现象
当用户使用edb-debugger调试程序时,发现:
- 所有PLT符号的地址都偏移了一个固定值(如0x1e0或0x20)
- 库函数调用显示为地址而非函数名
- 本地跳转显示正常
- 相同程序在GDB中显示正常
通过对比edb和GDB的显示结果可以明显看到差异,例如puts@plt在符号表中显示为0x3070,但实际调用地址却是0x3250。
问题根源
经过深入分析,发现问题与GCC的-fcf-protection编译选项有关。该选项用于启用控制流保护机制,会在函数入口处插入endbr指令作为控制流终结符。当启用此选项时,PLT的布局会发生变化,导致edb原有的符号解析逻辑出现偏差。
解决方案
edb-debugger的开发团队针对此问题进行了修复,主要改进包括:
- 更新符号解析逻辑,使其能够正确处理带有控制流保护的PLT结构
- 考虑不同编译选项下PLT布局的差异
由于edb会缓存生成的符号信息,用户在使用修复后的版本时需要清除缓存才能生效:
rm -rf ~/.cache/codef00.com/edb/symbols/
技术细节
控制流保护(Control Flow Enforcement, CET)是现代处理器提供的一种安全特性,旨在防御ROP/JOP等代码复用攻击。GCC通过-fcf-protection选项支持此特性,它会在函数入口处插入特殊的endbr指令。
当启用此选项时,PLT的结构会发生变化:
- 每个PLT条目前会增加额外的指令
- 符号的实际入口点与预期位置产生偏移
- 传统的PLT解析方法不再适用
edb的修复方案通过检测这些变化并相应调整符号解析逻辑,确保在各种编译选项下都能正确显示符号信息。
总结
这个问题展示了调试工具在面对不断发展的编译器安全特性时面临的挑战。edb-debugger通过及时更新其符号解析逻辑,保持了对现代安全编译选项的兼容性。对于开发者而言,了解这类问题的根源有助于更好地使用调试工具,并在遇到类似问题时能够快速定位原因。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137