Galgame汉化中的逆向 (一):文本加密(压缩)与解密

by devseed,

0x0 前言

看到关于游戏汉化相关的逆向教程挺少的,作为某汉化组的成员也帮过别的汉化组,于是就想把我见到的几个典型的例子整理分析一下,还是挺有意思的。此教程和我在贴吧和隔壁发的一样。

0x1 观察与定位

这个游戏还是很典型的,cpk封包,文本应该在sn.bin里面。
打开一看没有明显的字符,而且数据看起来很紧凑,应该是压缩或者加密了。

相比与主机游戏ida费劲的静态分析,pc动态调试真是太舒服了。
找文本很简单,等游戏运行起来后直接暂停,搜索内存sjis字符串。比如说“椿子”。
然后记住这个地址(或附近的某个),下硬断点write,重新启动游戏运行,游戏中断在这里。

0x2 解密函数观察

然后顺腾摸瓜,我们能看到了解密函数,只不过这个游戏奇怪,
用了eax和ecx传参(之后分析这个应该是指向了全局变量),
进一步分析发现eax应该是解密后的缓冲区,ecx是sn.bin文件缓冲区。
这里提取解密后的文本可以直接memdump了,
其实汉化游戏我们甚至可以不管它用了什么加密,直接hook这里然后替换为其他缓冲区。
但是这样就没有分析的意义了,为了练习,我们还是要去分析算法。

0x3 反汇编初步分析

怎么进行反汇编?
方便的办法是直接用ida的f5,但是这里我不想太依赖插件,就去直接看汇编代码了。
如果写汇编程序不多的可以先用c语言写一个接近汇编的版本,测试结果正确后,
然后再从这个版本中继续写一个接近于人写的程序(合并中间变量,改变量名),这样就方便逆向算法了。用接近汇编的C语言如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
#include <stdio.h>
#include <stdlib.h>
#include <string.h>

typedef unsigned int DWORD;
typedef unsigned char BYTE;

size_t decrypt_asm(BYTE* dst, BYTE *src, size_t src_size) //445f40, dst=eax, src=ecx
{
BYTE *buf=(BYTE*)malloc(3*src_size); //6975F28
BYTE *edi = src;
BYTE *esi = dst;
DWORD t1, t2, t3; //[ebp-4], [ebp-8], [ebp-c]
DWORD eax, ebx, ecx, edx;

ebx = *(DWORD*)edi + (DWORD)esi; //edge
t2 = ebx;
edi += 4;
memset(buf, 0, 0xFEE);
eax = 0XFEE;
edx = 0;
while(1)
{
edx >>= 1;
t1 = edx;
if (!(edx & 0x100)) // 00 01
{
edx = *edi;
edi++;
edx |= 0xff00;
t1 = edx;
}
ecx = *edi;
if ((BYTE)edx & 1)
{
buf[eax] = (BYTE)ecx;
eax++;
*esi = (BYTE)ecx;
esi++;
edi++;
eax &= 0xFFF;
if(esi >= ebx)
{
free(buf);
return (size_t)(ebx-(DWORD)dst);
}
}
else
{
edx = *(edi+1);
ebx = (edx & 0XF0)<<4;
ecx |= ebx;
edx &= 0xF;
ebx = edx+ecx+2;
edi += 2;
t3 = ebx;
ebx = t2;
edx = ecx;
if(ecx>ebx)
{
edx = t1;
continue;
}
do{
ecx = edx & 0xFFF;
ecx = buf[ecx];
buf[eax] = (BYTE) ecx;
eax ++;
(*esi) = (BYTE) ecx;
esi++;
eax &= 0XFFF;
if(esi >= ebx)
{
free(buf);
return (size_t)(ebx-(DWORD)dst);
}
edx++;
} while (edx<=t3);
edx = t1;
}
}
}

0x4 算法进一步分析

初步分析后,我们大概熟悉了算法流程。
然后可以用c语言写一个人能理解的版本了:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
size_t decrypt(BYTE* dst, BYTE *src, size_t src_size) 
{
BYTE *buf=(BYTE*)malloc(0x1000);
BYTE *cur_src = src;
BYTE *cur_dst = dst;
BYTE *end_dst = (DWORD)cur_dst + *(DWORD*)cur_src;
DWORD idx_buff, i, last, c1, c2;

cur_src += 4;
memset(buf, 0, 0xFEE);
idx_buff = 0XFEE;

c1 = 0; //index byte
while(1)
{
c1 >>= 1;
if (!(c1 & 0x100)) // c1 bit[9] is 0, it means do 8 times
{
c1 = *cur_src;
c1 |= 0xff00; //make a mark, and to 16bit
cur_src++;
}
if ((BYTE)c1 & 0x1) //copy to buf directly
{
buf[idx_buff] = *cur_src;
*cur_dst = *cur_src;
idx_buff++;r
idx_buff &= 0xFFF; //circle buffer
cur_dst++;
cur_src++;
if(cur_dst >= end_dst)
{
free(buf);
return (size_t)((BYTE*)end_dst - dst);
}
}
else
{
c2 = *(cur_src+1); //index byte2
i = *cur_src | ((c2 & 0XF0)<<4); //use c1 and c2 (higher 4bits) to determine index
last = (c2 & 0xf) + i +2; // length = c2 lower 4bit, 2 without length 2 chars
cur_src += 2; //c1, c2 two index byte

if(i > end_dst)
{
continue;
}
do
{
buf[idx_buff] = buf[i & 0xFFF];
*cur_dst = buf[i & 0xFFF];
idx_buff++;
idx_buff &= 0xFFF;
cur_dst++;
if(cur_dst >= end_dst)
{
free(buf);
return (size_t)((BYTE*)end_dst - dst);
}
i++;
} while (i <= last);
}
}
}

并且可以总结出怎么来解密文本了。

sn.bin 结构
0x0 size 4
0x4~ data

data部分第一字节为索引,每一位代表当前byte的状态,
索引为1:直接copy当前byte到环状缓存区
索引为0:则表示当前byte和下一个byte是索引,高12位为位置,低4位为长度。
环状缓存区大小0x1000,起始位置0xFEE。

顺便说一下位运算充当循环遍历的方法吧,
​a = 0b0011111, a>>1需要移位5次a=0,则循环次数是5

测试一下文本没问题:

0x5 后记

之前在分析psv版ida看了半天也没有找到文本位置,
psv的ida loader真的不好用,好多函数识别不出来,字符串也无法定位,ps4版还稍微好点,至少x64比arm汇编看着要舒服。所以这次来分析一下pc版文本。
定位还算简单,然后又稍微逆向了一下算法,还算比较容易。
iwaihime psv eboot

iwaihime ps4 eboot

其实对数据比较敏感的看到0x1000,0XFEE就知道这其实不是加密,
就是LZSS的压缩,游戏里就是原封不动的把源码复制过去了。
我分析完算法后还以为是变种的RLE结果再仔细想想竟然就是LZSS,以前只是简单了解,
这次逆向算法后基本上对LZSS有了更深刻的了解了。