KeyFrame內部研究專用

Black Hat Europe 2025 | Ghost In The Stack: Evolving Call Stack Spoofing In A Post-CET Era

Black Hat35 min英文
觀看原始影片

三句話摘要

Windows 堆棧欺騙技術在 CET(Control-flow Enforcement Technology)時代的進化與檢測規避方法。 堆疊欺騙從規避記憶體執行異常的防禦手段,演變為對抗 CET 的展開資料改寫技術,雖然檢測機制持續進化,但改變攻擊向量(從堆疊到展開資訊)仍可繞過現有防禦,代表對手防禦雙方的對抗空間仍未關閉。 堆疊展開原理與欺騙基礎:Windows 執行緒透過呼叫堆疊追蹤函數執行流,展開器透過 Runtime Function Table(存於 pdata/xdata section)查詢展開資訊恢復返回地址。堆疊欺騙原理是篡改堆疊框架大小,讓展開器誤以為代理函數直接呼叫目標函數,從而隱藏中間的惡意程式碼執行。

重點整理

  1. 堆疊展開原理與欺騙基礎:Windows 執行緒透過呼叫堆疊追蹤函數執行流,展開器透過 Runtime Function Table(存於 pdata/xdata section)查詢展開資訊恢復返回地址。堆疊欺騙原理是篡改堆疊框架大小,讓展開器誤以為代理函數直接呼叫目標函數,從而隱藏中間的惡意程式碼執行。

  2. 檢測與規避的對抗升級:早期檢測著眼於 jmp gadget 和缺失的 call 指令,但講者展示如何選用有正常 call 前導的 gadget、跨越有效轉移位址規則等方式逃脫。Elastic 的 Call Stack Enrichment Detection 整合多個指標,但仍存在校驗邏輯漏洞。

  3. CET Shadow Stack 破局:CET 引入影子堆疊防止 ROP 鏈執行,使傳統堆疊欺騙失效。講者改變思路,改寫 NDR_SERVER_CALL_TWO 等代理函數的展開資料,實現在 CET 環境下的執行隱蔽性——堆疊本身不變,只改變展開解析結果。

  4. 堆積上的虛擬機框架:最隱蔽的做法是在堆積動態注入執行框架,利用不規則虛擬機狀態機維持程式流,再搭配代理函數的已注入展開資訊,使影子堆疊與標準堆疊展開一致,規避檢測同時保持功能性。

實用技巧與重點

  • 關鍵數字與比例
  • 虛擬 alloc small 到 alloc large 轉換:3 位元組 → 7 位元組
  • Virtual alloc XNUMA 作為掩蔽 gadget 可規避 98% Windows 正常呼叫檢測
  • 函數與技術名稱
  • NDR_SERVER_CALL_TWO(RPC 代理函數)
  • RTL_ADD_FUNCTION_TABLE(動態運行時函數表註冊)
  • Virtual Alloc / Virtual Alloc XNUMA
  • SetFpReg frame / PushReg frame
  • RopNop landing area
  • Shadow Stack(CET 防禦機制)
  • 檢測方法
  • Elastic Call Stack Enrichment Detection
  • Unwind Inspector(跨進程 DLL 對比檢測)
  • 運行時函數表項數量檢查
  • 展開資料內容對比(alloc small vs alloc large)
  • Runtime Function 位址範圍檢查
  • 動態運行時函數表檢測
  • 規避策略清單
  • 直接展開資料改寫(修改 Rdata section)
  • NIJAC(修改 Runtime Function 的展開資料偏移)
  • 運行時函數注入(在 Text section 注入函數並添加表項)
  • 未使用函數重用(劫持二進位內未使用函數的位址範圍)
  • JIT 版本(在堆積註冊動態 Runtime Function,不修改 Rdata)
  • 虛擬機狀態機(在堆積建構執行框架,使用代理函數隱蔽跳轉)
  • 工具與資源
  • GitHub: 搜尋 "RPC proxy in bulk" 獲得前期研究
  • Elastic 防禦研究(2020-2023)
  • 講者部落格:即將釋出完整技術細節

結論

堆疊欺騙從規避記憶體執行異常的防禦手段,演變為對抗 CET 的展開資料改寫技術,雖然檢測機制持續進化,但改變攻擊向量(從堆疊到展開資訊)仍可繞過現有防禦,代表對手防禦雙方的對抗空間仍未關閉。

完整解析

Windows 堆疊欺騙的基礎在於理解展開機制:執行緒執行時,每個函數呼叫都會在堆疊上建立框架,儲存本地變數和返回位址。當安全軟體審查程式碼時,展開器(unwinder)從指令指標出發,查詢 Runtime Function Table 以計算框架大小並恢復返回位址,逐層展開至程序起點。堆疊欺騙的目標就是篡改這些框架大小,使展開器誤認為執行流與實際不符。

2022 年講者等人發表的 Stack Move Walking 技術透過插入特殊框架(SetFpReg frame 和 PushReg frame),將隱藏的惡意程式碼執行完全隱藏在代理框架下——展開時看到的呼叫者只是 BaseThreadInitThunk,所有原始模組的執行軌跡消失無蹤。但這種方法會在函數返回時崩潰,須透過 Sync frame 呼叫棧修復函數才能恢復執行。檢測工作隨之跟進:Elastic 的防禦整合了多項指標,包括不完整展開、缺乏檔案備份、jmp 返回位址、call 指令驗證等。

CET(Control-flow Enforcement Technology)的出現改變了遊戲規則。Shadow Stack 是一個使用者模式無法直接存取的隱藏堆疊,記錄每個 call 指令的返回位址。當從核心模式回到使用者模式時,系統檢查影子堆疊與實際堆疊是否一致,任何不符都會觸發 CP Fault。這意味著基於 ROP 鏈或直接修改堆疊的舊方法全部失效。講者的突破在於改變攻擊目標——不修改堆疊本身,而是改寫展開資料。透過選用 NDR_SERVER_CALL_TWO 這樣具有簡潔展開結構的代理函數,講者發現可以在其展開代碼中的填充區域(原本的零位元組)注入展開指令,將小幅分配改成大幅分配,使得隱藏程式碼區域完全被框架大小覆蓋。堆疊本身未變,只有展開解析發生改變,因此影子堆疊檢查通過。

進一步的隱蔽化包括多種改寫策略:直接改寫 Rdata section 的展開資料(侵入性最高)、NIJAC 技術(修改 Runtime Function 表項的展開資料偏移)、運行時函數注入(在二進位的 Text section 注入新函數並新增表項)、以及最隱蔽的 JIT 方式(在堆積動態註冊 Runtime Function,完全避免修改原始二進位)。最終形態是「自帶資料」虛擬機框架:在堆積注入一個小迴圈(dispatcher),配合可讀寫與可執行區段,實現不依賴額外 call 指令的間接執行框架。核心思想是將主執行流保持在經過正確展開資訊註冊的代理函數內,當需要呼叫 Windows API 時透過該代理跳轉,返回時再跳回虛擬機迴圈。這樣影子堆疊與標準堆疊展開結果一致,規避檢測同時維持功能性。

檢測這些技術仍有機會,主要利用堆疊展開是進程相依性的特性:在檢查器進程載入相同的 DLL,對比模組中的 Runtime Function 表項、展開資料內容、位址範圍等,即可發現異常——額外的表項意味著注入、展開資料內容不符意味著篡改、函數指標指向堆積意味著動態註冊。但隨著防禦能力提升,堆疊欺騙是否仍值得投入也成為問題;講者認為研究空間仍存在,尤其在例外處理框架和間接調用機制上。

73 min
Web2 安全中文11月16日

TryHackMe AI in the Modern SOC | Full Walkthrough 2026

Djalil Ayed看原片 ↗
  • AI 生成內容需要人工驗證:AI 提供初步的案件摘要和假設,但分析師必須通過查詢實際日誌、確認程序關係、檢查時間線來驗證每一個發現,不能直接相信 AI 的输出,因為它可能存在誤差或幻覺。
  • 程序族譜追蹤是關鍵:需要追蹤完整的父進程到子進程的鏈条,記錄每個進程的實體 ID(process entity ID)、父進程實體 ID 和執行時間戳,藉此判斷是否為惡意活動鏈条。
66 min
企業管理中文11月13日

資安事件連環爆,AI淪駭客武器?宏碁二代施宣輝:打造台灣資安龍頭還不夠,為何押注「低軌衛星」搶攻太空新戰局?【哈佛人物面對面】

哈佛商業評論看原片 ↗
  • 資安投資陷阱源於無形價值:資安是預防性成本,當沒有駭客入侵時使用者感受不到價值,導致企業傾向於不投資。企業即使遭受攻擊後復原,由於沒有聯防機制,駭客的AI大腦會立即將攻擊手法複製到其他目標,形成全球皆然的惡性循環。
  • 駭客AI化改變攻擊規則:AI語言模型具有單一大腦同服多人的特性,一旦找到攻擊方法就能同時突破所有使用同一系統的用戶。因此個別企業的自我修復已經失效,必須轉向整個供應鏈的聯防體系才能應對。
10 min
Web2 安全中文11月2日

I Used AI to Pick My Bug Bounty Targets

  • 漏洞賞金領域競爭激烈,大型知名程序的簡單漏洞已被眾多獵人發現,初學者會面臨重複提交和被忽視的風險,因此應選擇新程序和新增範圍以獲得更多機會。
  • 五個關鍵篩選指標為:回應時間(追求24小時快速回應,避免一個月以上),範圍大小和新鮮度(新添加的資產競爭較少),程序年齡(2025-2026年啟動的新程序較佳),安全政策規範檢查,報酬結構(穩定中等報酬的冷門程序優於高報酬但擁擠的大牌項目)