În acest laborator vom introduce noțiunea de structură din limbajul assembly, vom lucra cu operații specializate pe șiruri și vom vedea câteva avantaje – legate de securitate și debugging – a explorării memoriei.
Structurile sunt folosite pentru a grupa date care au tipuri diferite, dar care pot fi folosite împreună pentru a crea un tip compus.
În continuare vom trece prin pașii necesari pentru a folosi o structură: declararea, instanțierea și accesarea câmpurilor unei structuri.
În NASM, o structură se declară folosind construcția struc <nume structura>, urmată de o listă de câmpuri și încheiată cu endstruc.
Fiecare câmp al structurii este definit prin următoarele: o etichetă (folosită pentru a putea accesa membrii), specificatorul de tip și numărul de elemente.
Exemplu:
struc mystruct a: resw 1 ; a va referi un singur element de dimensiune un cuvânt b: resd 1 ; b va referi un singur element de dimensiune un dublu cuvânt c: resb 1 ; c va referi un singur element de dimensiune un octet d: resd 1 ; d va referi un singur element de dimensiune un dublu cuvânt e: resb 6 ; e va referi 6 elemente de dimensiune un octet endstruc
res pentru a defini tipul de date și numărul de elemente pentru fiecare dintre câmpurile structurii. Pentru mai multe detalii despre sintaxa res urmați acest link: http://www.nasm.us/doc/nasmdoc3.html#section-3.2.2
Fiecare etichetă ce definește un câmp reprezintă offset-ul câmpului în cadrul structurii. De exemplu, b va avea valoarea 2, deoarece sunt 2 octeți de la începutul structurii până la câmpul b (primii 2 octeți sunt ocupați de cuvântul a).
. (dot) astfel:
struc mystruct1 .a: resw 1 .b: resd 1 endstruc struc mystruct2 .a: resd 16 .b: resw 1 endstruc
Folosiți contrucția mystruct2.b pentru aflarea valorii offset-ului lui 'b' din cadrul structurii mystruct2.
O primă variantă pentru a avea o structură în memorie este de a declara-o static în secțiunea .data. Sintaxa folosește macro-urile NASM istruc și iend și keyword-ul at.
În exemplul următor este prezentată instanțierea statică a structurii declarate mai sus, unde struct_var este adresa din memorie de unde încep datele.
struct_var: istruc mystruct at a, dw -1 at b, dd 0x12345678 at c, db ' ' at d, dd 23 at e, db 'Gary', 0 iend
Pentru a aloca dinamic o structură vom folosi un apel al funcției malloc. Va trebui să cunoaștem dinainte dimensiunea structurii. În cazul exemplului nostru, o instanțiere a structurii are 17 octeți.
În primul rând vom avea în secțiunea .data dimensiunea structurii și pointer-ul care va fi setat la valoarea pe care o va întoarce malloc.
section .data struct_size: dd 17 struct_ptr: dd 0
La un moment dat, în secțiunea .text vom avea apelul malloc(17) care va aloca memorie de pe heap și va întoarce adresa de început a zonei alocate.
mov eax, [struct_size] ; pregătim apelul funcției malloc push eax call malloc mov dword [struct_ptr], eax ; salvăm adresa întoarsă de malloc add esp, 4
Pentru a accesa și/sau modifica un anumit membru al structurii instanțiate trebuie să îi cunoaștem adresa. Această adresă se poate obține calculând suma dintre adresa de început a structurii și offset-ul din cadrul structurii al membrului dorit .
Următoarea secvență de cod prezintă punerea unei valori în câmpul b al structurii și, ulterior, afișarea valorii acestui câmp.
mov eax, 12345 mov dword [struct + b], eax ; adresa câmpului b este adresa de bază a structurii instanțiate static + offset-ul câmpului (dat de eticheta 'b') mov ebx, dword [struct + b] ; punerea valorii din câmpul b în registrul ebx pentru afișare PRINT_DEC 4, ebx NEWLINE
Putem considera un vector ca o înșiruire de elemente de același tip, plasate contiguu în memorie. Ați observat ceva similar în laboratoarele trecute când declaram static șiruri de caractere în secțiunea .data.
În general, datele statice declarate pot fi inițializate sau neinițializate. Diferențierea se face atât prin faptul că la datele inițializate oferim o valoare inițială, dar și prin sintaxa NASM folosită.
De exemplu, pentru a declara un vector de 100 de cuvinte inițializate cu valoarea 42, vom folosi construcția:
section .data myVect: times 100 dw 42
Pe de altă parte, dacă dorim declararea unui vector de 20 de elemente dublu cuvinte neinițializate, folosim instrucțiuni din familia res astfel:
section .bss myVect: resd 20
Deoarece operațiile pe vectori sunt des întâlnite în programe, au fost implementate instrucțiuni speciale care facilitează: transferul de date între doi vectori, compararea a doi vectori, găsirea unui element într-un vector, parcurgerea unui vector etc.
O instrucțiune pe vectori poate avea un operand sursă, unul destinație, sau pe amândoi. Convențional, șirul sursă se află poziționat în segmentul DS, iar șirul destinație în ES. Mai mult, registrul SI este utilizat ca offset pentru adresa elementului curent din șirul sursă, iar DI este offset pentru șirul destinație.
Deși fiecare dintre aceste instrucțiuni care vor fi prezentate în continuare pot fi folosite independent, există o construcție specială pentru a crea bucle, prin prefixarea instrucțiunii de operare pe șiruri cu una dintre următoarele mnemonici:
rep - repetă cât timp ECX != 0repe/repz - repeat while »equal« (ex: repetă până găsim un element diferit în vector)repne/repnz - repeat while »not equal« (ex: repetă până găsim un element comun în vector)
Utilizarea unuia dintre aceste prefixe are ca efect repetarea instrucțiunii prin hardware, fapt care duce la o îmbunătățire a performanței (și chiar a memoriei, datorită eliminării surplusului de instrucțiuni ca jmp și cmp). Aceste bucle se numesc și bucle hardware.
Pe lângă registrele ESI și EDI, instrucțiunile din familia rep mai folosesc următoarele resurse:
repz și repnzÎn continuare vor fi prezentate în detaliu instrucțiunile folosite pentru lucrul cu vectori.
Se transferă un element (octet/cuvânt/dublu cuvânt) de la sursă (DS:SI) la destinație (ES:DI) și se actualizează ESI și EDI pentru a face referire la următorul element din șir.
Utilizată împreună cu prefixul rep, realizează un transfer de bloc memorie-memorie.
Dacă instructiunea conține numele operanzilor, asamblorul poate infera tipul șirului; dacă nu, trebuie specificat în mod explicit tipul operației: pe byte, word sau double word. Astfel, prototipurile posibile pentru această instrucțiune sunt:
movs <sir_dest>, <sir_src> movsb, movsw, movsd
Instrucțiunea realizează comparația dintre valoarea aflată la EDI și cea aflată la ESI (în această ordine, deci invers față de un CMP normal), și actualizează în mod corespunzător registrul de indicatori.
Împreună cu prefixul repe/repz, instrucțiunea determină prima pereche de elemente diferite din cele doua șiruri.
Formele in care poate apărea această instrucțiune sunt similare cu instrucțiunea movs:
cmps <sir_dest>, <sir_src> cmpsb, cmpsw, cmpsd
Această instrucțiune realizează o comparație între elementul curent al sirului destinație (ES:DI) și acumulator (AL/AX/EAX), și actualizează flag-urile. Ce de obicei, sunt actualizate registrele SI și DI.
Mnemonici posibile:
scas <sir_dest> scasb, scasw, scasd
Instrucțiunea transferă elementul situat la adresa DS:SI în acumulator (AL/AX/EAX), și actualizează SI.
Nu are sens ca această instructiune să fie însoțită de prefixul de repetare, deoarece în acumulator ar rămâne numai ultimul element transferat. Din acest motiv, instrucțiunea se folosește numai în bucle soft.
lods <sir_src> lodsb, lodsw, lodsd
Instrucțiunea transferă un element din acumulator (AL/AX/EAX) în șirul destinație (adresat de ES:DI), actualizând DI pentru a indica la urmatorul element. Dacă e folosit împreună cu prefixul de repetare, putem inițializa un șir cu o constantă.
stos <sir_dest> stosb, stosw, stosd
Adesea vom avea nevoie de vectori care să conțină elemente de dimensiuni mai mari decât cea a unui cuvânt dublu. Pentru a obține acest lucru vom combina cele două concepte prezentate anterior și vom folosi vectori de structuri. Bineînțeles, instrucțiunile de operare pe șiruri nu vor funcționa, deci vom fi nevoiți să ne întoarcem la metoda clasică de accesare a elementelor: cea prin adresarea explicită a memoriei.
Pentru exemplul din această secțiune, creăm o structură ce reprezintă un punct într-un spațiu 2D.
struc point .x: resd 1 .y: resd 1
Deoarece NASM nu suportă niciun mecanism pentru a declara explicit un vector de structuri, va trebui să declarăm efectiv o zonă de date în care să încapă vectorul nostru.
Considerând că ne dorim un vector zeroizat de 100 de elemente de tipul structurii point (care este de dimensiune 8 octeți), trebuie să alocăm 100 * 8 (= 800) octeți.
Obținem:
section .data pointArray: times 800 db 0
În plus, NASM oferă o alternativă la calculul “de mână” al dimensiunii unei structuri, generând automat macro-ul <nume structura>_size. Astfel, exemplul anterior poate deveni:
section .data pointArray: times point_size * 100 db 0
Cum am mai spus, pentru accesarea câmpului unui element dintr-un vector trebuie să folosim adresarea normală (în particular adresarea “based-indexed with scale”). Formula pentru aflarea adresei elementului este baza_vector + i * dimensiune_struct.
Presupunând că avem în registrul ebx adresa de început a vectorului și în eax indicele elementului pe care dorim să îl accesăm, exemplul următor prezintă afișarea valorii câmpului y a acestui element.
mov ebx, pointArray ; mutăm în ebx adresa de început a șirului mov eax, 13 ; să zicem că vrem al 13-lea element mov edx, [ebx + point_size * eax + point.y] ; calcularea adresei câmpului dorit PRINT_UDEC 4, edx NEWLINE
Pentru parcurgerea vectorului putem folosi instrucțiunea loop, având la fiecare iterație, în registrul eax, indicele curent. Putem să afișăm valorile din ambele câmpuri ale fiecărui element din vector cu următorul program:
%include "io.inc" struc point .x: resd 1 .y: resd 1 endstruc section .data pointArray: times point_size * 100 db 0 print_str: db "(%d, %d)", 13, 0 section .text global CMAIN extern printf CMAIN: push ebp mov ebp, esp xor edx, edx xor eax, eax mov ecx, 100 ; dimensiunea vectorului; ecx este folosit pentru loop label: push eax ; salvăm registrele push ecx ; salvăm registrele mov edx, [pointArray + point_size * eax + point.x] ; accesăm membrul y push edx ; ultimul parametru pentru printf mov edx, [pointArray + point_size * eax + point.x] ; accesăm membrul x push edx ; al doilea parametru pentru printf push print_str ; șirul format pentru printf call printf add esp, 12 pop ecx pop eax inc eax ; incrementarea indicelui de iterare loop label leave ret
Explorarea memoriei poate fi necesară în mai multe cazuri, printre care:
Majoritatea utilitarelor de debugging și analiză dinamică (gdb, IDA, radare2) suportă, într-un fel sau altul, explorarea memoriei.
Unul dintre scopurile explorării memoriei este să afișăm toate valorile din memorie care încep de la o anumită adresă (și, opțional, se termină la o altă adresă). Un caz practic ar fi să afișăm stack frame-ul curent, adică ce se află între esp și ebp (după alocarea variabilelor locale).
%include "io.inc" section .data print_str db "%x", 13, 0 ; afișăm memoria în hexadecimal section .text global CMAIN extern printf CMAIN: push ebp mov ebp, esp sub esp, 128 ; (simulare de) alocare de memorie xor eax, eax mov ebx, esp ; ebx este interatorul prin memorie label: push ebx mov eax, [ebx] ; afișarea a 4 octeți din memorie push eax push print_str call printf add esp, 8 pop ebx add ebx, 4 ; incrementarea adresei pentru a referi la următorii 4 octeți cmp ebx, ebp ; condiția de terminare jl label leave ret
Un alt exemplu relevant este căutarea unei anumite valori într-o zonă de memorie. Pentru a implementa asta putem folosi una dintre instrucțiunile de operare pe șiruri scas, într-o buclă hardware. În următorul exemplu căutarea se face tot în stack-frame-ul curent (între esp și ebp).
%include "io.inc" section .text global CMAIN CMAIN: push ebp mov ebp, esp sub esp, 16 ; alocare de variabile locale mov ecx, 4 ; numărul de dublu cuvinte dintre esp și ebp (16 / 4 == 4) mov eax, 0x12345678 ; valoarea căutată mov edi, esp ; esp este adresa de început a "șirului" cld ; resetarea bit-ului de direcție pentru a avea incrementarea lui DI (DF = 0) repne scasd jne finish ; dacă nu a găsit în ecx pași PRINT_STRING "Found" finish: leave ret
Pe de altă parte, dacă dorim să ignorăm o anumită valoare (spre exemplu 0) putem folosi
mov al, 0 repe scasb ; ignoră zero-uri; edi va referi la următoarea adresă după primul element diferit de 0 dec edi PRINT_HEX 4, edi ; afișează primul număr diferit de zero
În cadrul exercițiilor vom folosi arhiva de laborator.
Descărcați arhiva, decomprimați-o și accesați directorul aferent.
În programul print_structure.asm sunt afișate câmpurile unei structuri.
Urmăriți codul, observați construcțiile și modurile de adresare a memoriei. Rulați codul.
Scrieți cod în cadrul funcției main astfel încât să modificați câmpurile structurii sample_student pentru ca
199322323CA
TODO codul pentru modificarea structurii.
.data, este vorba să folosiți cod pentru a modifca structura.
group (adică octetul/caracterul cu indexul 2).
În programul on_stack_structure.asm se alocă o structură ca o variabilă locală funcției main: se face loc pe stivă folosind sub esp, 80 și apoi se inițializează câmpuri din structură și se afișează. Urmăriți codul, observați construcțiile și modul de adresare a memoriei.
Actualizați programul de mai sus pentru a completa și celelalte câmpuri așa cum este indicat în comentariul marcat cu TODO.
rep movsb pentru a completa câmpurile de tip string (array de bytes), adică name și surname. Lungimea șirului (plasată în registrul ecx) trebuie să includă și terminatorul de șir (NUL-terminatorul: valoarea 0, sau caracterul '\0').
Pentru celelalte câmpuri (age, birth_year, gender) folosiți valori întregi.
În programul process_structure.asm câmpul id al variabilei sample_student (de tip structură stud_struct) este populat cu inițialele de la prenumele și numele studentului. Urmăriți codul, observați construcțiile și modul de adresare a memoriei.
Actualizați programul de anterior astfel încât câmpul id să fie inițializat la primele 3 litere din prenume, urmate de primele trei litere din nume, urmate de semnul - (minus) și urmate de numele grupei. Adică pentru intrarea definită în fișier, afișarea va însemna mesajul AndVoi-323CA.
rep movsb pentru a completa câmpul id cu secvențele de subșiruri din prenume, nume și grupă.
id trebuie să fie NUL-terminat. Pentru aceasta va trebui să scrieți NUL-terminatorul (adică 0 sau caracterul '\0' pe ultima poziție a șirului.
Pentru a scrie un caracter pe o poziție a șirului (de exemplu caracterul - sau NUL-terminatorul) folosiți o construcție de forma
mov byte [sample_student + id + <index>], <character>
unde <index> este index-ul unde vrem să scriem în cadrul șirului, iar <character> este caracterul pe ca vrem să îl scriem.
gender folosiți valoarea 1 sau 2 (octet).
În programul structure_array.asm este definită o variabilă students similară unui vector de structuri. În cadrul programului se face inițializarea și afișarea acestui vectori de structuri, folosindu-se șirul vid (primul caracter este 0) în cadrul câmpurilor de tip șir. Urmăriți codul, observați construcțiile și modul de adresare a memoriei Rulați codul.
Actualizați programul de mai sus astfel încât vectorul de structuri să nu mai fie o variabilă globală neinițilizată (în .bss) ci să fie alocat pe stivă.
.bss e recomandat să o ștergeți complet ca să nu vă încurce.
sub esp, <size>
unde <size> este dimensiunea spațiului pe care trebuie să îl faceți pe stivă. Folosiți valoarea 2000 pentru dimensiunea spațiului (exact rezultatul STRUCT_STUDENTS*NUM_STUDENTS).
Pentru a referi începutul spațiului alocat folosiți expresia ebp - 2000. De la adresa indicată de ebp - 2000 începe vectorul de structuri.
Folosiți variabila ebx pentru a referi începutul spațiului alocat (adresa acelui spațiu). Folosiți o construcție de forma
lea ebx, [ebp-2000]
Apoi va trebui să adunați la începutul spațiului alocat offset-ul aferent elementului curent (calculat în schelet în registrul eax).
Realizați o alocare pe stivă a unui șir/array de bytes de o dimensiune dată (să spunem 128 de octeți) și apoi inițializați acel șir cu octetul/caracterul 'a'.
sub esp, 128
rep stosb.
Faceți dump la zona de memorie alocată pe stivă înainte și după inițializarea ei. Prin memory dump înțelegem să fie afișat fiecare octet în format hexazecimal.
Faceți dump la zona de memorie de cod (text) a procesului curent. Începeți de la adresa funcției main și afișați un număr dat de octeți/caractere (de exemplu 100).