讲述了如何通过修改 Python 解释器达到加解密 Python 代码的目的。
现有加密方案
由于 Python 的动态特性和开源特点,导致 Python 代码很难做到很好的加密。社区中的一些声音认为这样的限制是事实,应该通过法律手段而不是加密源码达到商业保护的目的;而还有一些声音则是不论如何都希望能有一种手段来加密。于是乎,人们想出了各种或加密、或混淆的方案,借此来达到保护源码的目的。
常见的源码保护手段有如下几种:
- 发行 .pyc 文件
- 代码混淆
- 使用 py2exe
- 使用 Cython
下面来简单说说这些方案。
发行 .pyc 文件
思路
大家都知道,Python 解释器在执行代码的过程中会首先生成 .pyc 文件,然后解释执行 .pyc 文件中的内容。当然了,Python 解释器也能够直接执行 .pyc 文件。而 .pyc 文件是二进制文件,无法直接看出源码内容。如果发行代码到客户环境时都是 .pyc 而非 .py 文件的话,那岂不是能达到保护 Python 代码的目的?
方法
把 .py 文件编译为 .pyc 文件,是件非常轻松地事情,可不需要把所有代码跑一遍,然后去捞生成的 .pyc 文件。
事实上,Python 标准库中提供了一个名为 compileall 的库,可以轻松地进行编译。
执行如下命令能够将遍历
python -m compileall <src> |
然后删除
find <src> -name '*.py' -type f -print -exec rm {} \; |
优点
- 简单方便,提高了一点源码破解门槛
- 平台兼容性好,.py 能在哪里运行,.pyc 就能在哪里运行
不足
- 解释器兼容性差,.pyc 只能在特定版本的解释器上运行
- 有现成的反编译工具,破解成本低
python-uncompyle6 就是这样一款反编译工具,效果出众。
执行如下命令,即可将 .pyc 文件反编译为 .py 文件:
uncompyle6 *compiled-python-file-pyc-or-pyo* |
代码混淆
如果代码被混淆到一定程度,连作者看着都费劲的话,是不是也能达到保护源码的目的呢?
思路
既然我们的目的是混淆,就是通过一系列的转换,让代码逐渐不那么让人容易明白,那就可以这样下手:
- 移除注释和文档。没有这些说明,在一些关键逻辑上就没那么容易明白了。
- 改变缩进。完美的缩进看着才舒服,如果缩进忽长忽短,看着也一定闹心。
- 在 tokens 中间加入一定空格。这就和改变缩进的效果差不多。
- 重命名函数、类、变量。命名直接影响了可读性,乱七八糟的名字可是阅读理解的一大障碍。
- 在空白行插入无效代码。这就是障眼法,用无关代码来打乱阅读节奏。
方法
方法一:使用 oxyry 进行混淆
http://pyob.oxyry.com/ 是一个在线混淆 Python 代码的网站,使用它可以方便地进行混淆。
假定我们有这样一段 Python 代码,涉及到了类、函数、参数等内容:
# coding: utf-8 |
经过 Oxyry 的混淆,得到如下代码:
class A (object ):#line:4 |
混淆后的代码主要在注释、参数名称和空格上做了些调整,稍微带来了点阅读上的障碍。
方法二:使用 pyobfuscate 库进行混淆
pyobfuscate 算是一个颇具年头的 Python 代码混淆库了,但却是 “老当益壮” 了。
对上述同样一段 Python 代码,经 pyobfuscate 混淆后效果如下:
# coding: utf-8 |
相比于方法一,方法二的效果看起来更好些。除了类和函数进行了重命名、加入了一些空格,最明显的是插入了若干段无关的代码,变得更加难读了。
优点
简单方便,提高了一点源码破解门槛
兼容性好,只要源码逻辑能做到兼容,混淆代码亦能
不足
- 只能对单个文件混淆,无法做到多个互相有联系的源码文件的联动混淆
- 代码结构未发生变化,也能获取字节码,破解难度不大
使用 py2exe
思路
py2exe 是一款将 Python 脚本转换为 Windows 平台上的可执行文件的工具。其原理是将源码编译为 .pyc 文件,加之必要的依赖文件,一起打包成一个可执行文件。
如果最终发行由 py2exe 打包出的二进制文件,那岂不是达到了保护源码的目的?
方法
使用 py2exe 进行打包的步骤较为简便。
1. 编写入口文件。本示例中取名为 hello.py:
print 'Hello World' |
2. 编写 setup.py:
from distutils.core import setup |
3. 生成可执行文件
python setup.py py2exe |
生成的可执行文件位于 dist\hello.exe。
优点
- 能够直接打包成 exe,方便分发和执行
- 破解门槛比 .pyc 更高一些
不足
- 兼容性差,只能运行在 Windows 系统上
- 生成的可执行文件内的布局是明确、公开的,可以找到源码对应的 .pyc 文件,进而反编译出源码
使用 Cython
思路
虽说 Cython 的主要目的是带来性能的提升,但是基于它的原理:将 .py/.pyx 编译为 .c 文件,再将 .c 文件编译为 .so (Unix) 或 .pyd (Windows),其带来的另一个好处就是难以破解。
方法
使用 Cython 进行开发的步骤也不复杂。
1. 编写文件 hello.pyx 或 hello.py:
def hello(): |
2. 编写 setup.py:
from distutils.core import setup |
3. 编译为 .c,再进一步编译为 .so 或 .pyd:
python setup.py build_ext --inplace |
执行 python -c “from hello import hello;hello ()” 即可直接引用生成的二进制文件中的 hello () 函数。
优点
- 生成的二进制 .so 或 .pyd 文件难以破解
- 同时带来了性能提升
不足
- 兼容性稍差,对于不同版本的操作系统,可能需要重新编译
- 虽然支持大多数 Python 代码,但如果一旦发现部分代码不支持,完善成本较高
定制 Python 解释器
考虑前文所述的几个方案,均是从源码的加工入手,或多或少都有些不足。假设我们从解释器的改造入手,会不会能够更好的保护代码呢?
由于发行商业 Python 程序到客户环境时通常会包含一个 Python 解释器,如果改造解释器能解决源码保护的问题,那么也是可选的一条路。
假定我们有一个算法,能够加密原始的 Python 代码,这些加密后代码随发行程序一起,可被任何人看到,却难以破解。另一方面,有一个定制好的 Python 解释器,它能够解密这些被加密的代码,然后解释执行。而由于 Python 解释器本身是二进制文件,人们也就无法从解释器中获取解密的关键数据。从而达到了保护源码的目的。
要实现上述的设想,我们首先需要掌握基本的加解密算法,其次探究 Python 执行代码的方式从而了解在何处进行加解密,最后禁用字节码用以防止通过 .pyc 反编译。
加解密算法
对称密钥加密算法
对称密钥加密(Symmetric-key algorithm)又称为对称加密、私钥加密、共享密钥加密,是密码学中的一类加密算法。这类算法在加密和解密时使用相同的密钥,或是使用两个可以简单地相互推算的密钥。
对称加密算法的特点是算法公开、计算量小、加密速度快、加密效率高。
常见的对称加密算法有:DES、3DES、AES、Blowfish、IDEA、RC5、RC6 等。
对称密钥加解密过程如下:
明文通过密钥加密成密文,密文也可通过相同的密钥解密为明文。
通过 openssl 工具,我们能够方便选择对称加密算法进行加解密。下面我们以 AES 算法为例,介绍其用法。
AES 加密
指定密码进行对称加密
openssl enc -aes-128-cbc -in test.py -out entest.py -pass pass:123456 |
指定文件进行对称加密
openssl enc -aes-128-cbc -in test.py -out entest.py -pass file:passwd.txt |
指定环境变量进行对称加密
openssl enc -aes-128-cbc -in test.py -out entest.py -pass env:passwd |
AES 解密
指定密码进行对称解密
openssl enc -aes-128-cbc -d -in entest.py -out test.py -pass pass:123456 |
指定文件进行对称解密
openssl enc -aes-128-cbc -d -in entest.py -out test.py -pass file:passwd.txt |
指定环境变量进行对称解密
openssl enc -aes-128-cbc -d -in entest.py -out test.py -pass env:passwd |
非对称密钥加密算法
密钥加密(英语:public-key cryptography,又译为公开密钥加密),也称为非对称加密(asymmetric cryptography),一种密码学算法类型,在这种密码学方法中,需要一对密钥,一个是私钥,另一个则是公钥。这两个密钥是数学相关,用某用户公钥加密后所得的信息,只能用该用户的私钥才能解密。
非对称加密算法的特点是算法强度复杂、安全性依赖于算法与密钥但是由于其算法复杂,而使得加密解密速度没有对称加密解密的速度快。
常见的对称加密算法有:RSA、Elgamal、背包算法、Rabin、D-H、ECC 等。
非对称密钥加解密过程如下:
明文通过公钥加密成密文,密文通过与公钥对应的私钥解密为明文。
通过 openssl 工具,我们能够方便选择非对称加密算法进行加解密。下面我们以 RSA 算法为例,介绍其用法。
生成私钥、公钥
辅以 AES-128 算法,生成 2048 比特长度的私钥
openssl genrsa -aes128 -out private.pem 2048 |
根据私钥来生成公钥
openssl rsa -in private.pem -outform PEM -pubout -out public.pem |
RSA 加密
使用公钥进行加密
openssl rsautl -encrypt -in passwd.txt -inkey public.pem -pubin -out enpasswd.txt |
RSA 解密
使用私钥进行解密
openssl rsautl -decrypt -in enpasswd.txt -inkey private.pem -out passwd.txt |
基于加密算法实现源码保护
对称加密适合加密源码文件,而非对称加密适合加密密钥。如果将两者结合,就能达到加解密源码的目的。
在构建环境进行加密
我们发行出去安装包中,源码应该是被加密过的,那么就需要在构建阶段对源码进行加密。加密的过程如下:
- 1. 随机生成一个密钥。这个密钥实际上是一个用于对称加密的密码。
- 2. 使用该密钥对源代码进行对称加密,生成加密后的代码。
- 3. 使用公钥(生成方法见 非对称密钥加密算法)对该密钥进行非对称加密,生成加密后的密钥。
不论是加密后的代码还是加密后的密钥,都会放在安装包中。它们能够被用户看到,却无法被破译。而 Python 解释器该如何执行加密后的代码呢?
Python 解释器进行解密
假定我们发行的 Python 解释器中内置了与公钥相对应的私钥,有了它就有了解密的可能。而由于 Python 解释器本身是二进制文件,所以不需要担心内置的私钥会被看到。解密的过程如下:
- 1.Python 解释器执行加密代码时需要被传入指示加密密钥的参数,通过这个参数,解释器获取到了加密密钥
- 2.Python 解释器使用内置的私钥,对该加密密钥进行非对称解密,得到原始密钥
- 3.Python 解释器使用原始密钥对加密代码进行对称解密,得到原始代码
- 4.Python 解释器执行这段原始代码
可以看到,通过改造构建环节、定制 Python 解释器的执行过程,便可以实现保护源码的目的。改造构建环节是容易的,但是如何定制 Python 解释器呢?我们需要深入了解解释器执行脚本和模块的方式,才能在特定的入口进行控制。
脚本、模块的执行与解密
执行 Python 代码的几种方式
为了找到 Python 解释器执行 Python 代码时的所有入口,我们需要首先执行 Python 解释器都能以怎样的方式执行代码。
直接运行脚本
python test.py |
直接运行语句
python -c "print 'hello'" |
直接运行模块
python -m test |
导入、重载模块
python |
直接运行语句 的方式接收的就是明文的代码,我们也无需对这种方式做额外处理。
直接运行模块和导入、重载模块这两种方式在流程上是殊途同归的,所以接下来会一起来看。
因此我们将分两种情况:运行脚本和加载模块来进一步探究各自的过程和解密方式。
运行脚本时解密
运行脚本的过程
Python 解释器在运行脚本时的代码调用逻辑如下:
main WinMain |
Python 解释器运行脚本的入口函数因操作系统而异,在 Linux/Unix 系统上,主入口函数是 Modules/python.c 中的 main 函数,在 Windows 系统上,则是 PC/WinMain.c 中的 WinMain 函数。不过这两个函数最终都会调用 Moduls/main.c 中的 Py_Main 函数。
我们不妨来看看 Py_Main 函数中的相关逻辑:
[Modules/Main.c] |
处理
自定义 decrypt_open
我们不妨新增一个 Modules/crypt.c 文件,用来存放一些自定义的加解密函数。
decrypt_open 函数大概实现如下:
[Modules/crypt.c] |
这里的 aes_passwd 是一个全局变量,代表对称加密算法中的密钥。我们暂时假定已经获取该密钥了,后文会说明如何获得。而 aes_decrypt 是自定义的一个使用 AES 算法进行对称解密的函数,限于篇幅,此函数的实现不再贴出。
decrypt_open 逻辑如下:
- 判断是否获得了对称密钥,如果没获得,直接打开该文件并返回文件指针
- 如果获得了,则尝试使用对称算法进行解密
- 如果解密失败,可能就是一段非加密的脚本,直接打开该文件并返回文件指针
- 如果解密成功,我们通过解密后的内容创建一个内存文件对象,并返回该文件指针
实现了上述这些函数后,我们就能够实现在直接运行脚本时,解密执行被加密代码的目的。
加载模块时解密
加载模块的过程
加载模块的逻辑主要实现在 Python/import.c 文件中,其过程如下:
Py_Main |
- 通过 python -m
的方式来加载模块时,其入口函数是 Py_Main 函数 - 通过 import
的方式来加载模块时,其入口函数是 builtin___import__ 函数 - 通过 reload (
) 的方式来加载模块时,其入口函数是 builtin_reload 函数
但不论是哪种方式,最终都会调用 find_module 函数,我们看看这个函数中是否暗藏乾坤呢?
[Python/import.c] |
我们在 find_module 函数中找到了打开文件的逻辑,如果直接改成前文实现的 decrypt_open,岂不是就能达成加载模块时解密的目的了?
总体思路是这样的,但有个细节需要注意,buf 不一定就是 .py 文件,也可能是 .pyc 文件,我们只对 .py 文件做改动,则可以这么写:
[Python/import.c] |
经过上述改动,就实现了加载模块时解密的目的了。
支持指定密钥文件
前文中还留有一个待解决的问题:我们一开始是假定解释器已获取到了密钥内容并存放在了全局变量 aes_passwd 中,那么密钥内容怎么获取呢?
我们需要 Python 解释器能支持一个新的参数选项,通过它来指定已加密的密钥文件,然后再通过非对称算法进行解密,得到 aes_passed。
假定这个参数选项是 -k
[Modules/main.c] |
其逻辑如下:
- k: 中的 k 表示支持 -k 选项;: 表示选项后跟一个参数,即这里的已加密密钥文件的路径
- 解释器在处理到 -k 参数时,获取其后所跟的文件路径,记录在 keyfilename 中
- 使用自定义的 rsa_decrypt 函数(限于篇幅,不列出如何实现的逻辑)对已加密密钥文件进行非对称解密,获得密钥的原始内容
- 将该密钥内容写入到 aes_passwd 中
由此,通过显示地指定已加密密钥文件,解释器获得了原始密钥,进而通过该密钥解密已加密代码,再执行原始代码。但是,这里面还潜藏着一个风险:执行代码的过程中会生成 .pyc 文件,通过它反编译出的 .py 文件是未加密的。换句话说,恶意用户可以通过这种手段绕过限制。所以,我们需要禁用字节码
禁用字节码
不生成 .pyc 文件
首先要做的就是不生成 .pyc 文件,这样,恶意用户就没法直接根据 .pyc 文件来得到源码。
我们知道,通过 -B 选项可以告知 Python 解释器不生成 .pyc 文件。既然定制的 Python 解释器就不生成 .pyc 我们干脆禁用这个选项:
[Modules/main.c] |
除此以外,Python 解释器还会从环境变量中获取是否不生成 .pyc 文件,因此也需要做处理:
[Python/pythonrun.c] |
禁止访问字节码对象 co_code
仅仅是不生成 .pyc 文件还是不够的,恶意用户已然可以访问对象的 co_code 属性来获取字节码,进而通过反编译的手段获取到源码。因此,我们也需要禁止用户访问字节码对象:
[Objects/codeobject.c] |
到此,一个定制的 Python 解释器完成了。
演示
运行脚本
通过 -k 选项执行已加密密钥文件,Python 解释器可以运行已加密和未加密的 Python 文件。
加载模块
可以通过 -m
禁用字节码
通过禁用字节码,我们达到以下效果:
- 不会生成 .pyc 文件
- 可以访问函数的 func_code
- 无法访问代码对象的 co_code,即本示例中的 f.func_code.co_code
- 无法使用 dis 模块来获取字节码
异常堆栈信息
尽管代码是加密的,但是不会影响异常时的堆栈信息。
调试
加密的代码也是允许调试的,但是输出的代码内容会是加密的,这正是我们所期望的。
思考
- 1. 如何防止通过内存操作的方式找到对象的 co_code?
- 2. 如何进一步提升私钥被逆向工程探知的难度?
- 3. 如何能在调试并希望看到源码的时候看到?
参考文献
附录: gpg 命令行
生成 gpg 密钥 |