LLVM从小白到放弃（三）- LLVM IR概述与常用指令

LLVM IR概述

• 优化是对LLVM IR进行操作：

什么是LLVM IR

• LLVM IR 是一门低级语言，语法类似于汇编
• 任何高级编程语言（如C++）都可以用LLVM IR表示
• 基于LLVM IR可以很方便地进行代码优化

LLVM IR的两种表示方法

• 第一种是人类可以阅读的文本形式，文件后缀为.ll
• 第二种是易于机器处理的二进制格式，文件后缀为.bc

LLVM IR结构

• 源代码被编译为LLVM IR后，具有以下结构：

LLVM IR结构：模块 Module

• 一个源代码对应LLVM IR中的一个模块。
• 头部信息包含程序的目标平台，如X86、ARM等，和一些其他信息。
• 全局符号包含全局变量、函数的定义与声明。

LLVM IR结构：函数 Function

• LLVM IR中的函数表示源代码中的某个函数。
• 参数，顾名思义为函数的参数。
• 一个函数由若干基本块组成，其中函数最先执行的基本块为入口块。

LLVM IR结构：基本块 BasicBlock

• 一个基本块由若干个指令和标签组成。
• 正常情况下，基本块的最后一条指令为跳转指令（br或者switch），或返回指令（retn），也叫作终结指令（Terminator Instruction）。
• PHI指令是一种特殊的指令。

LLVM IR结构

• 了解LLVM IR的结构是我们学习代码混淆的基础，举个例子
  • 以函数为基本单位的混淆：控制流平坦化
  • 以基本块为基本单位的混淆：虚假控制流
  • 以指令为基本单位的混淆：指令替代

LLVM IR常用指令讲解

• 终结指令 Terminator Instructions

  • ret指令
    • 函数返回指令，对应C/C++中的return。
  • br指令
    • br是“分支”的英文branch的缩写，分为非条件分支和条件分支，对应C/C++的if语句
    • 无条件分支类似有x86汇编中的jmp指令，条件分支类似于x86汇编中的jnz，je等条件跳转指令。

• 比较指令

  • icmp指令
    • 整数或指针的比较指令
    • 条件cond可以是eq（相等），ne（不相等），ugt（无符号相等）
  • fcmp指令
    • 浮点数的比较指令
    • 条件cond可以是oeq（ordered and equal），ueq（unordered or equal）
  • switch指令
    • 分支指令，可看做是br指令的升级版，支持的分支更多，但使用也更复杂，对应C/C++中的switch。

• 二元运算 Binary Operations

  • add指令
  • sub指令
  • mul指令
  • udiv指令
    • 无符号整数除法指令
  • sdiv指令
    • 有符号整数除法指令
  • urem指令
    • 无符号整数取余指令
  • srem指令
    • 有符号整数取余指令

• 按位二元运算 Bitwise Binary Operations

  • shl指令
    • 整数左移操作指令
  • lshr指令
    • 整数右移指令
  • ashr指令
    • 整数算数右移指令
  • and指令
    • 整数按位与运算指令
  • or指令
    • 整数按位或运算指令
  • xor指令
    • 整数按位异或运算指令

• 内存访问和寻址操作 Memory Access and Addressing Operations

  • alloca指令
    • 内存分配指令，在栈中分配一块空间并获得指向该空间的指针，类似与C/C++中的malloc函数
  • store指令
    • 内存存储指令，向指针指向的内存中存储数据，类似与C/C++中的指针引用后的赋值操作

• 类型转换操作 Conversion Operations

  • trunc..to指令
    • 截断指令，将一种类型的变量截断为另一种类型的变量。
  • zext..to指令
    • 零扩展指令，将一种类型的变量拓展为另一种类型的变量，高位补0。
  • sext..to指令
    • 符号位拓展指令，通过复制符号位（最高位）将一种类型的变量拓展为另一种类型的变量。

• 其他操作 Other Operations

  • phi指令：由静态单赋值引起的问题

  • select指令

    • ? : 三元运算符

  • call指令

    • call指令用来调用某个函数，对应C/C++中的函数调用，与x86汇编中的call指令类似。