L'écriture d'un compilateur dans sa propre langue

Je me souviens de l'écoute d'un Génie logiciel podcast Radio où Dick Gabriel a parlé de démarrage de l'original interpréteur LISP par la rédaction d'un bare-bones version en LISP sur papier et de la main de l'assemblage en code machine. À partir de là, le reste du LISP caractéristiques étaient à la fois écrit et interprété avec LISP.

Lorsque vous écrivez votre premier compilateur pour C, vous l'écrire dans une autre langue. Maintenant, vous avez un compilateur de C dans, disons, de l'assembleur. Finalement, vous arriverez à l'endroit où vous avez à analyser des chaînes, plus précisément des séquences d'échappement. Vous allez écrire le code pour convertir \n pour le personnage avec le code décimal 10 (et \r à 13, etc).

Après que le compilateur est prêt, vous allez commencer à ré-écrire en C. Ce processus est appelé "l'amorçage".

La chaîne d'analyse de code sera le suivant:

...
if (c == 92) { //backslash
    c = getc();
    if (c == 110) { //n
        return 10;
    } else if (c == 92) { //another backslash
        return 92;
    } else {
        ...
    }
}
...

Lors de cette compile, vous disposez d'un binaire qui comprend le '\n'. Cela signifie que vous pouvez modifier le code source:

...
if (c == '\\') {
    c = getc();
    if (c == 'n') {
        return '\n';
    } else if (c == '\\') {
        return '\\';
    } else {
        ...
    }
}
...

Alors, où est l'information que "\n " est le code pour 13? C'est dans le binaire! C'est comme de l'ADN: la Compilation de code source C avec ce binaire hériteront de cette information. Si le compilateur compile lui-même, il va transmettre cette connaissance à sa progéniture. À partir de ce point, il n'y a pas moyen de voir à partir de la source de ce que le compilateur ne.

Si vous voulez cacher un virus dans le source d'un programme, vous pouvez le faire comme ceci: Obtenir le code source d'un compilateur, trouver la fonction qui compile les fonctions et le remplacer par celui-ci:

void compileFunction(char * name, char * filename, char * code) {
    if (strcmp("compileFunction", name) == 0 && strcmp("compile.c", filename) == 0) {
        code = A;
    } else if (strcmp("xxx", name) == 0 && strcmp("yyy.c", filename) == 0) {
        code = B;
    }

    ... code to compile the function body from the string in "code" ...
}

Les parties intéressantes sont A et B. A est le code source pour compileFunction y compris les virus, probablement cryptée, d'une certaine façon il n'est donc pas évident de la recherche sur le binaire résultant. Cela permet de s'assurer que la compilation le compilateur avec lui-même permettra de préserver le virus de l'injection de code.

B est le même pour la fonction que nous voulons remplacer notre virus. Par exemple, il pourrait être la fonction "login" dans le source du fichier "login.c" est probablement à partir du noyau Linux. On pourrait le remplacer par une version qui accepte le mot de passe "joshua" pour le compte root en plus du mot de passe.

Si vous compiler et diffuser comme un fichier binaire, il n'y aura pas moyen de trouver le virus en regardant le source.

La source d'origine de l'idée: http://cm.bell-labs.com/who/ken/trust.html

Généralement, vous avez besoin d'avoir un travail (si primative) coupe du compilateur travaille d'abord - ensuite, vous pouvez commencer à penser à l'auto-hébergement. C'est en fait considéré comme un jalon important dans certaines langues.

De ce que je me souviens de "mono", il est probable qu'ils auront besoin d'ajouter quelques choses à la réflexion pour le faire fonctionner: l'équipe de mono garder soulignant que certaines choses ne sont tout simplement pas possible avec Reflection.Emit; bien sûr, les états membres de l'équipe peuvent prouver qu'ils ont tort.

Ce qui a un peu de réel avantages: c'est un assez bon test de l'unité, pour les débutants! Et vous n'avez qu'une seule langue à s'inquiéter (c'est à dire qu'il est possible en C# expert pourriez ne pas savoir beaucoup de C++; mais maintenant, ton peut fixer le compilateur C#). Mais je me demande si il n'y a pas un montant de fierté professionnelle ici à l'œuvre: ils ont simplement voulez auto-hébergement.

Pas tout à fait un compilateur, mais j'ai récemment travaillé sur un système d'auto hébergement; le générateur de code est utilisé pour générer le générateur de code... donc, si les modifications de schéma, j'ai simplement l'exécuter sur elle-même : la nouvelle version. Si il y a un bug, je viens de revenir à une version antérieure et essayez de nouveau. Très pratique et très facile à entretenir.

---

Mise à jour de 1

J'ai juste regardé cette vidéo de Anders au PDC, et (environ une heure), il donne beaucoup plus de raisons valables - tout sur le compilateur comme un service. Juste pour le record.

GNAT, le compilateur GNU Ada, nécessite un compilateur Ada pour être pleinement intégré. Cela peut être une douleur lorsque le portage vers une plate-forme où il n'y a pas de GNAT binaire facilement disponibles.

Le Mono projet compilateur C# a été "auto-organisé" pour un long moment maintenant, ce que cela signifie, c'est qu'il a été écrit en C# elle-même.

Ce que je sais, c'est que le compilateur a commencé comme pur code en C, mais une fois que la "base" caractéristiques de l'ECMA ont été mis en œuvre, ils ont commencé à réécrire le compilateur en C#.

Je ne suis pas au courant des avantages de l'écriture du compilateur dans la même langue, mais je suis sûr qu'il a à faire, au moins, avec les caractéristiques que le langage lui-même peut offrir (C, par exemple, ne prend pas en charge la programmation orientée objet).

Vous pouvez trouver plus d'informations ici.