Semmle QL C++项目中如何建模外部函数的间接数据流

在C++代码分析中，处理通过外部函数传递的间接数据流是一个常见挑战。本文将深入探讨如何在Semmle QL中有效建模这类数据流场景。

问题背景

当分析C++代码时，我们经常遇到需要通过外部函数传递数据流的情况。例如，一个结构体的成员变量被污染后，通过多个外部函数处理后，最终被传递到接收函数。这种情况下，我们需要确保数据流分析能够正确跟踪整个传递链。

典型场景分析

考虑以下典型代码模式：

struct S {
  int data;
  int dummy;
};

S* process_taint(S* input);
void process_taint2(S* input, S* output);

void example() {
  S* s = new S();
  S* t;
  s->data = taint_source();
  process_taint2(s, t);
  taint_sink(t->data);
}

在这个例子中，data成员被污染源赋值后，通过process_taint2函数处理后传递给接收函数。我们需要确保数据流分析能够跟踪这一完整路径。

解决方案

方法一：使用模型文件(MaD)

在Semmle QL中，可以通过模型文件(Model and Definitions)来描述外部函数的行为。对于上述场景，最有效的解决方案是使用"value-preserving"模型：

extensions:
  - addsTo:
    pack: codeql/cpp-all
    extensible: summaryModel
  data:
    - ["", "", False, "process_taint", "", "", "Argument[*0]", "ReturnValue[*]", "value", "manual"]
    - ["", "", False, "process_taint2", "", "", "Argument[*0]", "Argument[*1]", "value", "manual"]

这种方法的优势在于：

1. 简洁有效，不需要为每个结构体成员单独编写规则
2. 能够自动处理所有成员变量的数据流传递
3. 避免了手动跟踪每个字段的繁琐工作

方法二：使用isAdditionalFlowStep的局限性

虽然理论上可以通过isAdditionalFlowStep谓词来建模数据流，但这种方法存在重要限制：

1. 当访问路径非空时（如跟踪已写入对象但尚未读取的字段），通过isAdditionalFlowStep添加的流不会被使用
2. 容易产生误报，特别是当结构体中有不应被污染的成员时
3. 实现复杂，需要精确控制每个可能的流路径

因此，在实际应用中，推荐优先使用模型文件方法。

最佳实践建议

1. 优先使用模型文件：对于外部函数的数据流建模，模型文件通常是更简洁有效的选择

2. 理解value-preserving语义：这种模型会保留所有成员的数据流状态，适用于大多数简单传递场景

3. 谨慎处理结构体成员：如果结构体中包含敏感和非敏感成员，可能需要更精确的建模

4. 结合使用：对于复杂场景，可以结合模型文件和自定义数据流步骤来实现精确控制

结论

在Semmle QL中处理C++代码的间接数据流时，通过模型文件使用value-preserving模式是最有效的方法。这种方法不仅简化了配置，还能正确处理结构体成员的数据流传递。理解这一技术可以帮助分析人员更准确地建模复杂的数据流场景，提高静态分析结果的可靠性。