Týždeň 5 – Cvičenie: Zatemni vlastný kód a potom cudzí prečítaj

Krok 1: Priprav si program, ktorý budeš upravovať

Potrebuješ niečo krátke, čo sa dá ľahko overiť, že stále funguje. Použijeme výpočet zľavy na vstupenku podľa veku.

# original.py
HRANICA_DOSPELOSTI = 18

def kategoria(vek):
    if vek < HRANICA_DOSPELOSTI:
        return "detske"
    if vek >= 65:
        return "seniorske"
    return "dospele"

if __name__ == "__main__":
    for v in [10, 18, 40, 70]:
        print(v, "->", kategoria(v))

Poznámka: Táto podmienka je celé cvičenie v skratke. Obfuskácia mení formu, nie funkciu. Keď sa výstup zmení, nie je to zatemnený program, ale pokazený.

Krok 2: Premenuj a zavádzaj

Prvá kategória, syntaktická. Urob dve verzie a porovnaj ich.

Poznámka: Ktorá verzia zdržala viac? Toto je rozdiel medzi odstránením významu a podsunutím nesprávneho. Druhá technika cieli na človeka a jeho očakávania, nie na nástroj — a pri rovnakej cene býva účinnejšia.

Krok 3: Skry konštanty v dátach

Druhá kategória, dátová. Najprv si ukáž, že konštanty sú v súbore vidieť.

grep -a -n "18\|65" original.py

Teraz ich nahraď výpočtom, ktorý dá rovnaký výsledok, ale v kóde ako holé číslo nevystupuje.

# namiesto 18 napriklad:
HRANICA_DOSPELOSTI = (3 * 3) + (3 * 3)      # = 18
# namiesto 65 napriklad:
HRANICA_SENIOR = (13 * 5)                   # = 65

python3 -i obf2.py
>>> HRANICA_DOSPELOSTI

Poznámka: Hodnota je za behu znova k dispozícii, lebo inak by program nefungoval. Toto zdrží toho, kto prehľadáva súbor, nie toho, kto sleduje bežiaci program. Je to presne ten rozdiel medzi statickou a dynamickou analýzou z prednášky.

Krok 4: Splošti tok riadenia

Tretia kategória, kontrolno-toková. Toto je jadro cvičenia.

def kategoria(vek):
    stav = 1
    vysledok = None
    while stav != 0:
        if stav == 1:
            stav = 2 if vek < 18 else 3
        elif stav == 2:
            vysledok = "detske"
            stav = 0
        elif stav == 3:
            stav = 4 if vek >= 65 else 5
        elif stav == 4:
            vysledok = "seniorske"
            stav = 0
        elif stav == 5:
            vysledok = "dospele"
            stav = 0
    return vysledok

Poznámka: Práve si videl to podstatné. Poradie blokov v zdrojovom kóde už nehovorí nič o poradí vykonávania. Tok je uložený v hodnotách premennej, nie v štruktúre programu.

Krok 5: Pridaj nepriehľadné podmienky

if (vek * (vek + 1)) % 2 == 0:     # vzdy pravda: dve za sebou iduce cisla
    skutocny_blok()
else:
    # sem daj lubovolny nezmysel, nikdy sa nevykona
    vysledok = "nic"
    stav = 0

Poznámka: Nástroj na analýzu nedokáže dokázať, že druhá vetva je mŕtva, takže ju musí považovať za možnú. Tým sa počet ciest programom násobí.

Krok 6: Odmeraj, čo ťa to stálo

Obfuskácia sa posudzuje aj cenou. Tú vieš zmerať presne.

import timeit
for nazov in ["original", "obf3"]:
    t = timeit.timeit(
        f"m.kategoria(40)",
        setup=f"import {nazov} as m", number=1_000_000)
    print(nazov, round(t, 3), "s na milion volani")

Krok 7: Prečítaj cudzí obfuskovaný kód

Teraz z druhej strany. Vymeň si obf3.py so spolužiakom a pokús sa zistiť, čo jeho funkcia robí — bez toho, aby ti to povedal.

import obf3
for v in range(0, 100, 5):
    print(v, obf3.kategoria(v))

Poznámka: Toto je presne ten dôvod, prečo obfuskácia nie je ochrana. Kód musí byť nakoniec vykonaný, takže ho stačí nechať bežať a sledovať, čo robí. Statická cesta ťa zdržala, dynamická nie.