转载自不赖猴的笔记。
深入剖析PE文件
PE文件是Win32的原生文件格式.每一个Win32可执行文件都遵循PE文件格式.对PE文件格式的了解可以加深你对Win32系统的深入理解.
一、 基本结构。
上图便是PE文件的基本结构。（注意：DOS MZ Header和部分PE header的大小是不变的；DOS stub部分的大小是可变的。）
一个PE文件至少需要两个Section,一个是存放代码，一个存放数据。NT上的PE文件基本上有9个预定义的Section。分别是：.text, .bss, .rdata, .data, .rsrc, .edata, .idata, .pdata, 和 .debug。一些PE文件中只需要其中的一部分Section.以下是通常的分类：
l 执行代码Section , 通常命名为： .text (MS) or CODE (Borland)
l 数据Section, 通常命名为：.data, .rdata, 或 .bss(MS) 或 DATA(Borland).
l 资源Section, 通常命名为：.edata
l 输入数据Section, 通常命名为：.idata
l 调试信息Section，通常命名为：.debug
这些只是命名方式，便于识别。通常与系统并无直接关系。通常，一个PE文件在磁盘上的映像跟内存中的基本一致。但并不是完全的拷贝。Windows加载器会决定加载哪些部分，哪些部分不需要加载。而且由于磁盘对齐与内存对齐的不一致，加载到内存的PE文件与磁盘上的PE文件各个部分的分布都会有差异。
当一个PE文件被加载到内存后，便是我们常说的模块(Module),其起始地址就是所谓的HModule.
二、 DOS头结构。
所有的PE文件都是以一个64字节的DOS头开始。这个DOS头只是为了兼容早期的DOS操作系统。这里不做详细讲解。只需要了解一下其中几个有用的数据。
1. e_magic：DOS头的标识，为4Dh和5Ah。分别为字母MZ。
2. e_lfanew：一个双字数据，为PE头的离文件头部的偏移量。Windows加载器通过它可以跳过DOS Stub部分直接找到PE头。
3. DOS头后跟一个DOS Stub数据，是链接器链接执行文件的时候加入的部分数据，一般是“This program must be run under Microsoft Windows”。这个可以通过修改链接器的设置来修改成自己定义的数据。
三、 PE头结构。
PE头的数据结构被定义为IMAGE_NT_HEADERS。包含三部分：
1. Signature：PE头的标识。双字结构。为50h, 45h, 00h, 00h. 即“PE”。
2. FileHeader：20字节的数据。包含了文件的物理层信息及文件属性。
这里主要注意三项。
l NumberOfSections：定义PE文件Section的个数。如果对PE文件新增或删除Section的话，一定要记的修改此域。
l SizeOfOptionalHeader：定义OptionHeader结构的大小。
l Characteristics：主要用来标识当前的PE文件是执行文件还是DLL。其各位都有具体的含义。
数据位 | Windows.inc的预定义 | 为１时的含义 |
0 | IMAGE_FILE_RELOCS_STRIPPED | 文件中不存在重定位信息 |
1 | IMAGE_FILE_EXECUTABLE_IMAGE | 文件是可执行的 |
2 | IMAGE_FILE_LINE_NUMS_STRIPPED | 不存在行信息 |
3 | IMAGE_FILE_LOCAL_SYMS_STRIPPED | 不存在符号信息 |
7 | IMAGE_FILE_BYTES_REVERSED_LO | 小尾方式 |
8 | IMAGE_FILE_32BIT_MACHINE | 只在３２位平台运行 |
9 | IMAGE_FILE_DEBUG_STRIPPED | 不包含调试信息 |
10 | IMAGE_FILE_REMOVABLE_RUN_FROM_SWAP | 不能从可移动盘运行 |
11 | IMAGE_FILE_NET_RUN_FROM_SWAP | 不能从网络运行 |
12 | IMAGE_FILE_SYSTEM | 系统文件。不能直接运行 |
13 | IMAGE_FILE_DLL | ＤＬＬ文件 |
14 | IMAGE_FILE_UP_SYSTEM_ONLY | 文件不能在多处理器上运行 |
15 | IMAGE_FILE_BYTES_REVERSED_HI | 大尾方式 |
3. OptionalHeader：总共224个字节。最后128个字节为数据目录(Data Directory)。
以下是字段的说明：
l AddressOfEntryPoint：程序入口点地址。但加载器要运行加载的PE文件时要执行的第一个指令的地址。它是一个RVA（相对虚拟地址）地址。一些对PE文件插入代码的程序就是修改此处的地址为要运行的代码，然后再跳转回此处原来的地址。
l ImageBase：PE文件被加载到内存的期望的基地址。对于EXE文件，通常加载后的地址就期望的地址。但是DLL却可能是其他的。因为如果这个地址被占，系统就会重新分配一块新的内存，同时会修改此处加载后的地址。EXE文件通常是400000h.
l SectionAlignment：每一个Section的内存对齐粒度。比如：此值为4096(1000h)，那么每一个Section的起始地址都应该是4096(1000h)的整数倍。如果第一个Section的地址是401000h，大小为100个字节。那么下一个Section的起始地址为402000h.。两个Section之间的空间大部分是空的，未用的。
l FileAlignment：每一个Section的磁盘对齐粒度。比如，此值为512(200h)，那么每一个Section在文件内的偏移位置都是512(200h)的整数倍。与SectionAlignment同理。
l SizeOfImage：PE文件在内存空间整个映像的大小。包含所有的头及按SectinAlignment对齐的所有的Section。
l SizeOfHeaders：所有的头加上Section表的大小。也就是文件大小减去文件中所有Section的大小。可以用这个值获取PE文件中第一Section的位置。
l DataDiretory：16个IMAGE_DATA_DIRECTORY结构的数组。每一个成员都对应一个重要的数据结构，比如输入表，输出表等。
有两个地方需要注意：
l 如果PE header里的最后两个字段被赋予一个伪造的值的话，比如：
n LoaderFlags = ABDBFFFFh (其默认值为0)
n NumberOfRvaAndSizes = DFFDEEEEh (其默认值为10h)
一些调试工具或反编译工具会认为这个PE文件是损坏的。有的会直接执行，如果是病毒的话，就会被直接感染；有的则会重启工具。所以最好在查看调试一个PE文件前，先看一下这里的取值是否被人赋予一个伪造的很大的值。如果是的话，先修改成默认的值。
l 有人可能注意到在一些PE文件(MS的链接器链接的PE文件)的DOS Stub部分跟PE header部分之间存在一部分垃圾数据。标识为其倒数第二非0的双字节是一个“Rich ”。这部分数据包含了一些加密数据，来标识编译这个PE文件的组件。可用来检举某些病毒程序所编译的程序来自哪台机器。
四、 数据目录结构(Data Directory)。
DataDirectory是OptionalHeader的最后128个字节，也是IMAGE_NT_HEADERS的最后一部分数据。它由16个IMAGE_DATA_DIRECTORY结构组成的数组构成。IMAGE_DATA_DIRECTORY的结构如下：
每一个IMAGE_DATA_DIRECTORY都是对应一个PE文件重要的数据结构。他们分别如下：
VirtualAddress指的是对应数据结构的RVA地址；iSize指的是对应数据结构的大小(字节单位)。一个PE文件一般只包含其中的一部分，也就是其中一部分数据结构是有数据的；另一部分则都是0。比如，EXE文件一般都存在IMAGE_DIRECTORY_ENTRY_IMPORT(输入表),而不存在IMAGE_DIRECTORY_ENTRY_EXPORT(输出表)。而DLL则两者都包含。下图就是某一个PE文件的数据目录：
五、 Section表。
Section表紧跟在PE header后面。由IMAGE_SECTION_HEADER数据结构组成的数组。每一个包含了对应Section在PE文件中的属性和偏移位置。
这里不是所有的成员都是有用的。
l Name１: 块名，这是一个8位ASCII码名，用来定义块名。多数块名以一个"."开始（如.text)，尽管许多PE文档都认为这个"."实际上并不是必须的。值得注意的是，如果块名超过8位，则最后的NULL不存在。带有一个"$"的区块名字会从链接器那里得到特殊的对待，前面带"$"的相同名字的区块被合并，在合并后的区块中它们是按"$"后面的字符字母顺序进行合并的。
l Misc.VirtualSize : 指出实际的、被使用的区块大小。如果VirtualSize大于SizeOfRawData,那么SizeOfRawData来自于可执行文件初始化数据的大小，与VirtualSize相差的字节用0填充。这个字段在OBJ文件中设为0。
l VirtualAddress : 该块装载到内存中的RVA。这个地址是按照内存页对齐的，它的数值总是SectionAlignment的整数倍。在MS工具中，第一块的默认RVA为1000H.在OBJ中，该字段没意义。如果该值为1000H, PE文件被加载到400000H，那么该Section的起始地址为401000H。
l SizeOfRawData : 该块在磁盘文件中所占的大小。在可执行文件中，这个值必须是PE头部指定的文件对齐大小的倍数。如果是0,则说明区块中的数据是未初始化的。该块在磁盘文件中所占的大小,这个数值等于VirtualSize字段的值按照FileAlignment的值对齐以后的大小。例如，FileAlignment的大小为1000H,如果VirtualSize中的块长度为2911,则SizeOfRawData为3000H}
l PointerToRawData : 该块在磁盘文件中的偏移。对于可执行文件，这个值必须是PE头部指定的文件对齐大小的倍数。
l PointerToRelocations : 这部分在EXE文件中无意义。在OBJ文件中，表示本块重定位信息的偏移量。在OBJ文件中如果不是零，则会指向一个IMAGE_RELOCATION的数据结构。
l NumberOfRelocations : 由PointerToRelocations指向的重定位的数目。
l NumberOfLinenumbers : 由NumberOfRelocations指向的行号的数目，只在COFF样式的行号被指定时使用。
l Characteristics : 块属性，该字段是一组指出块属性（如代码/数据/可读/可写等）的标志。多个标志值通过OR操作形成Characteristics的值。这些标志很多都可以通过链接器/SECTION选项设置。
位 | 数据位在Windows.inc中的预定义 | 为1时的含义 |
５ | IMAGE_SCN_CNT_CODE (00000020H) | 节中包含代码 |
６ | IMAGE_SCN_CNT_INITIALIZED_DATA (00000040H) | 节中包含已初始化数据 |
７ | IMAGE_SCN_CNT_UNINITIALIZED_DATA (00000080H) | 节中包含未初始化数据 |
25 | IMAGE_SCN_MEM_DISCARDABLE (02000000H) | 节中的数据在进程开始后将被丢弃 |
26 | IMAGE_SCN_MEM_NOT_CACHED (04000000H) | 节中的数据不会经过缓存 |
27 | IMAGE_SCN_MEM_NOT_PAGED (08000000H) | 节中的数据不会被交换到磁盘 |
28 | IMAGE_SCN_MEM_SHARED (10000000H) | 节中的数据将被不同的进程所共享 |
29 | IMAGE_SCN_MEM_EXECUTE (20000000H) | 映射到内存后的页面包含可执行属性 |
30 | IMAGE_SCN_MEM_READ (40000000H) | 映射到内存后的页面包含可读属性 |
31 | IMAGE_SCN_MEM_WRITE (80000000H) | 映射到内存后的页面包含可写属性 |
六、 PE文件各个Section。
PE文件的Sections部分包含了文件的内容。包括代码，数据，资源和其他可执行信息。每一个Section由一个头部和一个数据部分组成。所有的头部都存放在紧跟PE header后的Section表内。
1. 执行代码。
在NT Windows系统内，所有的PE文件的代码段都存放在一个Section内，通常命名为.text(MS)或CODE(Borland)。这一段包含了早先提起的AddressOfEntryPoint多指地址的指令及输入表中的jump thunk table。
2. 数据。
l .bss段存放未初始化的数据，包括函数内或源模块内声明的静态变量。
l .rdata段存放只读数据，比如常字符串，常量，调试指示信息。
l .data 段存放其他所有的数据（除了自动化变量，其存放在栈中）。比如程序的全局变量。
3. 资源。
.rsrc段包含了一个模块的资源信息。以资源树的结构存放数据。需要用工具来查看。
4. 输出数据。
.edata段包含了PE文件的输出目录(Export Directory)。
5. 输入数据。
.idata包含了PE文件的输入目录和输入地址表。
6. 调试信息。
调试信息存放在.debug段。PE文件也支持单独的调试文件。Debug段包含调试信息，但是调试目录却存放在.rdata内。
7. 线程局部存储。(TLS)
Windows支持每一个进程包含多个线程。每一个线程有其私有的存储空间（ＴＬＳ）去存放线程自身的数据。链接器都会为进程创建一个.tls段来存放TLS模板。当进程创建一个线程时，系统就会按照这个模板创建一个线程私有的局部存储空间。
8. 基重定位。
当加载器加载PE文件到内存的时候，有时候不一定是其预期的基地址。那么就需要调整内部指令的相对地址。所有需要调整的地址都存放在.reloc段内。
七、输出Section.
这个Section跟DLL关系比较密切。DLL一般定义两种函数，内部使用的，和输出到外部给其他调用程序使用的。输出到外部的函数就存储在这个Section内。
DLL输出函数分两种方式，通过名称和通过序号输出。当其他程序需要调用DLL的时候，调用GetProcAddress，通过设置需要调用的函数名称或函数序号可以调用DLL内部输出的函数。
那么GetProcAddress是怎么获取DLL中真正的输出函数地址呢？以下是详细的解说。
PE头的数据目录(DATA DIRECTORY)数组的第一个成员对应的（通过其中的RVA地址可获得）数据结构是IMAGE_EXPORT_DIRECTORY(这里称为输出目录)。
成员 | 大小 | 描述 |
Characteristics | DWORD | 未定义，总是0 |
TimeDateStamp | DWORD | 输出表的创建时间。与IMAGE_NT_HEADER.FileHeader.TimeDateStamp有相同的定义 |
MajorVersion | WORD | 输出表的主版本号。未使用，为0 |
MinorVersion | DWORD | 输出表的次版本号。未使用，为0 |
nName | DWORD | 指向一个ASCII字符串的RVA，这个字符串是与这些输出函数关联的DLL的名称（比如，Kernel32.dll）。这个值必须定义，因为如果DLL文件的名称如果被修改，加载器将使用这里的名称。 |
nBase | DWORD | 这个字段包含用于这个可执行文件输出表的起始序数值（基数）。正常情况下为1，但不是一定是。当通过序数来查询一个输出函数时，这个值会被从序数里减去。（比如，如果nBase = 1,被查询的函数的序数是3,那么这个函数在序号表的索引是3 -1 = 2）。 |
NumberOfFunctions | DWORD | 输出地址表(EAT)的条目数。其中一些条目可能是0，意味着这个序数值没有代码和数据输出。 |
NumberOfNames | DWORD | 输出名称表(ENT)的条目数。这个值总是大于或等于NumberOfFunctions。小于的情况发生在符号只通过序数来输出时。另外，当被赋值的序数里有数字间隔时也会有小于的情况。这个值也是输出序数表的长度。 |
AddressOfFunctions | DWORD | 输出地址表(EAT)的RVA。输出地址表本身是一个RVA数组，数组中的每一个非零的RVA都对应一个被输出的符号。 |
AddressOfNames | DWORD | 输出名称表(ENT)的RVA。输出名称表本身是一个RVA数组。数组中的每一个非零的RVA都向一个ASCII字符串。每一个字符串都对应一个通过名称输出的符号。这个表是排序。这允许加栽器在查询一个被输出的符号时可用二进制查找方式。名称的排序是二进制的，而不是按字母。 |
AddressOfNameOrdinals | DWORD | 输出序数表（EOT）的RVA。这个表将ENT中的数组索引映射到相应的输出地址条目。 |
实际上，IMAGE_EXPORT_DIRECTORY结构指向三个数组和一个ASCII字符串表。其中重要的是输出地址表(EAT,即AddressOfFunctions指向的表), 输出函数地址指针（RVA）构成了这个表。而ENT和EOT则是可以一起合作来获取EAT里对应的地址数据。下图演示了这个过程。
这个被加载的DLL的名称是F00.DLL。总共输出了四个函数，其RVA地址分别为0x400042、0x400156、0x401256和0x400520。一个外部调用程序需要调用其中一个名为”Bar”的函数，那么它先在输出名称表(ENT)里查找名称为Bar的函数，找到后，根据其在输出序号表(EOT)中对应的索引号，获取其中的数值为EAT中的索引值，这里是4,然后从EAT中根据索引4获取其真正的RVA地址0x400520。以下是几个注意点：
l 输出序号表（EOT）的存在就是为了是EAT跟ENT之间产生关联。每一个ENT内的成员（函数名）有且只有一个EAT内的成员（函数地址）对应。但是一个EAT内的成员并不是只有一个ENT内的成员对应。比如，有的函数存在别名的话，就会出现多个ENT内的成员都对应一个EAT内的成员。
l 如果已经获得一个函数的序号值，那么就可以直接到EAT内获得其RVA地址，而不需要经过ENT和EOT进行查找。但是这样的按序号输出的DLL不易于维护。
l 通常情况下，EAT的个数(NumberOfFunctions)必须小于或等于ENT的个数(NumberOfNames)。只有在一个函数按序号输出时（其在ENT和EOT表里没有对应的数据），ENT的数量才有可能少于EAT的数量。比如，总共有70个函数输出，但是在ENT表里只有40个，这就意味着剩余的30个函数是靠序号输出的。那么我们如何知道哪些是直接靠序号输出的呢？只有通过排除法来获得。把存在在EOT表里的序号从EAT里排除出去，剩下的就是靠序号输出的函数。
l 当通过一个序号值来获取EAT内的函数RVA时，需要把这个序号值减去nBase的值来获取在EAT表里真正的索引位置。而通过名称查找则不需要这么做。
l 输出转向。某些时候，你从一个DLL中调用的一个函数可能位于另一个DLL中。这就叫输出转向。比如，Kernel32.dll中的HeapAlloc就是转到调用NTDLL.dll中的RtlAllocHeap。这种转向是在链接的时候，在.DEF文件中定义一个特殊的指令来实现的。那么当一个函数被转向后，在其所在EAT表里对应的数据便不是其地址，而是一个指向表明被转向的DLL和函数的ASCII字符串的地址指针。
上图就是Kernel32.dll的输出函数表，其中HeapAlloc的RVA值0x00009048就是一个指向“NTDLL.RtlAllocHeap”的指针。
八 、 输入Section.
输入Section通常位于.idata段内。它包含了所有程序需要用到的来自其他DLL的函数的信息。Windows加载器负责加载所有程序用到的DLL到进程空间。然后为进程找到所有其需要用到的函数的地址。下面描述这个过程：
PE头的数据目录(DATA DIRECTORY)数组的第二个成员对应的（通过其中的RVA地址可获得）数据结构是输入表。输入表是一个 IMAGE_IMPORT_DESCRIPTOR数据结构的数组。没有字段表明这个数组的个数，只是它的最后一个成员的数据都为0。每一个数组成员都对应 一个DLL。
