BDWGC项目中空对象文件导致的可执行栈问题分析
问题背景
在BDWGC(Boehm-Demers-Weiser垃圾收集器)项目中,Makefile.direct文件将atomic_ops_sysdeps.o列入了NODIST_OBJS变量。这个变量被用于测试程序和共享库(如liblinuxgc.so等)的构建规则中。然而,atomic_ops_sysdeps.o在大多数情况下是一个空对象文件,只有在使用非GCC编译器构建Sparc架构时才会包含实际内容。
问题现象
当GNU链接器(ld)处理这个空对象文件时,由于缺乏明确的栈属性指示,它会默认假设共享库需要可执行栈。较新版本的GNU ld会对此发出警告:
/usr/bin/ld: warning: atomic_ops_sysdeps.o: missing .note.GNU-stack section implies executable stack
/usr/bin/ld: NOTE: This behaviour is deprecated and will be removed in a future version of the linker
通过scanelf工具可以确认生成的共享库确实被标记为需要可执行栈:
% scanelf -e ./libgc.so
TYPE STK/REL/PTL FILE
ET_DYN RWX R-- RW- ./libgc.so
技术分析
这个问题源于2014年的一个提交(gc-7.6.x),当时将atomic_ops_sysdeps.o添加到了构建系统中。在大多数构建场景下,这个文件是空的,但却导致了不必要的可执行栈标记。
在CMake构建系统中也存在类似情况,但处理方式更为合理:只有当使用SunPro编译器(SunCC)在SunOS(Solaris)上构建时,才会包含atomic_ops_sysdeps.S源文件。不过,CMake需要显式启用ASM语言支持才能正确处理.S文件。
解决方案
项目维护者采取了以下修复措施:
- 从非SunOS共享库目标中移除了
atomic_ops_sysdeps.o,避免了空对象文件的引入 - 在CMake构建系统中显式启用了ASM语言支持,确保.S文件能被正确处理
- 在libatomic_ops子项目中同步了相关修复
安全影响
可执行栈在现代系统中被认为是一个潜在的安全风险,因为它可能被利用来执行恶意代码。虽然在这个特定情况下风险较低(因为栈实际上并不需要执行权限),但消除这种不必要的标记仍然是一个良好的实践。
结论
这个问题展示了构建系统中细微的设计决策可能带来的意外后果。通过仔细分析构建依赖关系并针对特定平台进行条件化处理,项目维护者成功解决了这个问题,同时保持了跨平台兼容性。这也提醒开发者在处理平台特定代码时需要特别注意其对构建产物的影响。
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