JohnTheRipper项目中可执行栈问题的分析与解决
在软件安全领域,可执行栈(Executable Stack)是一个需要特别关注的安全隐患。近期在JohnTheRipper密码恢复工具项目中,开发团队发现并修复了与可执行栈相关的安全问题。
问题背景
可执行栈是指程序运行时栈内存区域被标记为可执行的状态。这种设计在现代操作系统中被认为是不安全的,因为它可能被攻击者利用来执行恶意代码。正常情况下,栈内存应该只用于数据存储,而不应该具备执行权限。
在JohnTheRipper项目中,这个问题主要出现在使用yasm汇编器编译的代码中。当项目引入了额外的汇编文件后,某些程序开始出现栈区域被标记为可执行的情况。
技术分析
在Linux系统中,ELF格式的可执行文件可以通过特殊的节(section)来控制栈的执行权限。具体来说,.note.GNU-stack节可以用来指示链接器如何处理栈的执行权限。
对于使用GNU汇编器(gas)的代码,通常会在汇编文件中添加以下指令:
.section .note.GNU-stack,"",@progbits
而对于使用yasm/nasm汇编器的代码,则需要采用不同的语法来达到相同的目的。经过研究,开发团队确定了适用于yasm的解决方案:
section .note.GNU-stack noalloc noexec nowrite progbits
其中:
noalloc表示该节不需要在内存中分配空间noexec明确禁止执行权限nowrite禁止写入权限progbits表示该节包含程序数据
解决方案实施
开发团队在项目中实施了以下改进措施:
- 对所有使用yasm编译的汇编文件添加了适当的节声明
- 确保这些声明只在ELF格式(Linux系统)下生效
- 通过条件编译确保兼容性
测试结果表明,修复后的版本成功消除了可执行栈的问题,同时保持了原有的性能表现。在某些测试场景下,性能甚至有所提升,这可能是由于更合理的内存权限设置带来的优化效果。
安全意义
这个修复不仅解决了当前的可执行栈问题,还具有以下重要意义:
- 增强了项目的整体安全性,降低了被利用的风险
- 遵循了现代操作系统的安全最佳实践
- 为将来完全移除yasm依赖奠定了基础
- 提高了项目在不同安全强化环境下的兼容性
总结
通过对JohnTheRipper项目中可执行栈问题的分析和修复,我们看到了安全编码实践的重要性。即使是成熟的密码恢复工具,也需要持续关注和修复这类底层安全问题。这个案例也展示了如何在保持性能的同时,确保代码的安全性,为其他类似项目提供了有价值的参考。
未来,开发团队计划进一步简化构建系统,逐步淘汰yasm汇编器,转而使用更现代的解决方案,从而从根本上避免这类问题的再次出现。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0109
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