在pwntools中使用AT&T语法编写汇编代码的技巧
2025-05-18 02:44:03作者:齐冠琰
pwntools作为一款功能强大的二进制利用框架,为安全研究人员和CTF选手提供了便捷的开发环境。其中,内联汇编功能是pwntools的重要组成部分,但在使用过程中需要注意语法规范。
AT&T语法与Intel语法的区别
在x86架构汇编语言中,主要存在两种语法格式:AT&T语法和Intel语法。这两种语法在操作数顺序、寄存器表示、立即数表示等方面存在显著差异:
- 操作数顺序:AT&T语法采用"源操作数, 目的操作数"的顺序,而Intel语法则相反
- 寄存器表示:AT&T语法在寄存器名前加%前缀
- 立即数表示:AT&T语法在立即数前加$前缀
- 操作数大小:AT&T语法通过指令后缀(b/w/l/q)表示操作数大小
pwntools中的汇编语法处理
pwntools默认情况下使用Intel语法格式,这与大多数现代汇编器的默认设置一致。然而,在某些特殊情况下,用户可能需要使用AT&T语法编写汇编代码。
要在pwntools中使用AT&T语法,需要在汇编代码开头显式声明.att_syntax指令。这个指令会告诉汇编器后续代码采用AT&T语法格式进行解析。
实际应用示例
假设我们需要编写一个简单的系统调用汇编代码,使用AT&T语法格式:
.att_syntax
movl $1, %eax # 系统调用号1表示exit
movl $0, %ebx # 退出状态码0
int $0x80 # 触发系统调用
值得注意的是,pwntools内置的shellcraft模板使用的是Intel语法格式。这意味着如果混合使用shellcraft生成的代码和自定义的AT&T语法代码,需要特别注意语法一致性。
最佳实践建议
- 保持代码风格一致:在单个项目中最好统一使用一种语法格式
- 明确声明语法:使用AT&T语法时务必在开头添加
.att_syntax指令 - 注意与shellcraft的兼容性:shellcraft生成的代码需要保持Intel语法格式
- 调试技巧:可以通过
context.arch和context.os设置正确的架构和操作系统环境
通过合理使用AT&T语法,可以更好地适应某些特定环境或工具链的要求,同时也能加深对x86汇编语言不同语法格式的理解。
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