Pwndbg调试Qemu内核时遇到的异常问题分析
2025-05-27 09:34:18作者:宣海椒Queenly
问题现象
在使用Pwndbg调试工具调试通过Qemu启动的内核时,用户遇到了两个关键错误信息:
- 一个关于QemuGdbMachine类的异常:
Exception ignored in: <function QemuGdbMachine.__del__ at 0x77792a10aa20>
Traceback (most recent call last):
File "/home/peiwithhao/tools/pwndbg/.venv/lib/python3.12/site-packages/pt_gdb/pt_gdb.py", line 19, in __del__
if self.file:
^^^^^^^^^
AttributeError: 'QemuGdbMachine' object has no attribute 'file'
- 一个关于gdb-pt-dump的权限错误:
Permission error when attempting to parse page tables with gdb-pt-dump.
Either change the kernel-vmmap setting, re-run GDB as root, or disable `ptrace_scope` (`echo 0 | sudo tee /proc/sys/kernel/yama/ptrace_scope`)
技术背景
Pwndbg与Qemu调试
Pwndbg是一个强大的GDB插件,常用于二进制分析和开发。当与Qemu结合使用时,可以调试内核级别的代码。QemuGdbMachine类是用于在GDB中与Qemu虚拟机交互的组件。
ptrace_scope安全机制
Linux系统的YAMA安全模块引入了ptrace_scope机制,用于限制进程间的ptrace调试能力。默认情况下,现代Linux发行版会启用这一安全特性,防止非特权用户调试其他用户的进程。
问题分析
QemuGdbMachine异常
第一个错误表明在QemuGdbMachine对象销毁时(__del__方法),尝试访问了一个不存在的file属性。这通常是由于对象初始化不完全或资源清理顺序不当导致的。虽然这个错误被标记为"ignored"(忽略),但它可能暗示着潜在的对象生命周期管理问题。
gdb-pt-dump权限问题
第二个错误更为关键,它直接影响了调试功能。gdb-pt-dump是一个用于解析页表的工具,需要足够的权限才能访问内核内存。错误信息明确指出了三种可能的解决方案:
- 修改kernel-vmmap设置
- 以root权限重新运行GDB
- 临时禁用ptrace_scope安全机制
解决方案
对于大多数调试场景,推荐采用第三种方案,即临时禁用ptrace_scope:
echo 0 | sudo tee /proc/sys/kernel/yama/ptrace_scope
这个命令会将ptrace_scope设置为0,允许进程调试其他用户的进程。需要注意的是:
- 这降低了系统安全性,只应在调试环境中使用
- 重启后该设置会恢复默认值
- 在生产环境中不建议长期保持此设置
对于QemuGdbMachine的异常,虽然不影响主要功能,但建议关注Pwndbg的更新,后续版本可能会修复这个对象生命周期管理的问题。
最佳实践
- 在调试内核前,先检查并适当调整ptrace_scope设置
- 调试完成后,恢复安全设置:
echo 1 | sudo tee /proc/sys/kernel/yama/ptrace_scope - 保持Pwndbg工具更新到最新版本
- 对于敏感操作,考虑在隔离的虚拟机环境中进行
通过以上措施,可以确保Pwndbg与Qemu的组合能够顺利用于内核调试工作,同时兼顾系统安全性。
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
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