让 iPhone “崩溃” 又有了新方法：只需要一个视频

作者：马彬

导语

一则新闻“ iOS 又曝新漏洞，播放特定视频导致自动关机 ”在媒体上广泛传播，实际上玄武实验室在10月15日就发现了该视频样本，在深入分析后，我们在微信后台对能够触发这种漏洞的恶意视频进行检测和拦截，保护了大量用户免遭攻击。

一、 概述

11月23日，一则新闻“iOS又曝新漏洞，播放特定视频导致自动关机”在媒体上广泛传播。任何苹果设备在播放某个视频后，就会在几秒内卡死，无法响应任何操作，持续3-5分钟后整个系统自动重启。由于从iOS 5到最新的iOS 10.1系统都会受到影响，且部分媒体贴出了恶意视频样本，一时间这个恶意视频被通过各种渠道大范围传播。

我们实验室在10月15日捕获了该恶意视频样本。经过深入分析，我们写出了针对该漏洞的检测工具，并通过我们实验室和微信安全中心的相关合作项目，在微信后台对该恶意视频进行检测和拦截，保护了大量用户免遭攻击。

苹果在刚刚发布的iOS 10.2中除修复我们实验室报告的8个漏洞之外，也已经修复了该漏洞，因此在这里分享一下我们对这个问题的研究。

二、 分析

1. 排查原因

我们拿到的样本是一段秒拍的视频，自然首先想到可能是秒拍的问题或者人为的利用iOS 0day构造传播。考虑到视频中嵌有作者信息，因此我们找到视频的作者，用该作者的其他视频进行播放测试。在作者发布的仅有的3个视频中，均使用同样的视频模版，视频长度也几近相同。我们进行对比播放后，发现只有样本视频会crash，其他视频均播放正常。考虑到视频样本在秒拍上的转发量较小，因此排除人为构造的情况。

进一步的使用010editor对比两个mp4文件，除了Duration字段和mdat(编码后的视频数据区）内容区别外，其他文件头字段内容均相同。因此排除了视频文件格式的问题，我们基本确定问题出在iOS的硬解码处理上。

2. 分析原因

为了分析清楚问题原因，我们对H264的文档进行了非常艰苦的学习。

在H.264中，图像以frame为单位进行组织，即我们平时所说的“帧”。每一个frame的数据可以分为多个slice（片），片分为I片、B片、P片，slice header和data通过NAL进行封装。一个序列的第一个图像叫做 IDR 图像（立即刷新图像），IDR 图像都是 I 帧图像，H.264 引入 IDR 图像是为了解码的重同步，当解码器解码到 IDR 图像时，立即将参考帧队列清空，将已解码的数据全部输出或抛弃，重新查找参数集，开始一个新的序列。每一个slice又由多个MB(宏块)组成，一个宏块由一个16×16亮度像素和附加的一个8×8 Cb和一个8×8 Cr彩色像素块组成。如下图所示，视频数据经过层层编码成为了mp4文件中的mdat数据，因此h264的解码也要经过frame decode、NAL decode、Slice decode、MB decode等等，中间还会有熵解码、帧内预测等各种复杂的流程，会导致非视频行业人员理解起来非常抽象和困难。

在熟悉了H264编码相关知识后，我们发现问题可能出在视频样本的第126帧，对应的数据如下图。其中”00 00 00 C5“代表了NAL单元的长度，”05“代表了第一个Slice 为IDR Slice，之后的数据为slice data。

H264解码时会进行宏块预测，在宏块预测的时候需要用到当前宏块左边、上左、上边，上右位置的宏块有关的信息，因此在预测前需要先填充这些信息。如果填充完成后没有对宏块是否可用检测，在不可用的block上进行帧预测，就会发生错误。

而该视频的第126帧数据的偏移0xED（11101101）和0xFF（11111111）两个字节恰好会导致解码过程出现上述错误。采用哥伦布编码方式对其进行解码运算后，对按照特定方式进行填充cache，进而导致top block不可用。通过010editor把ED和FF改为E0和00后， 我们将修改后的视频用iOS设备测试发现并不会crash，因此确认问题出现在ED和FF这两个字节。

3. 将任意mp4畸形化

上述视频样本是由于ED和FF两个字节导致的crash，那么是不是在任意帧内加入ED和FF两个字节就会触发漏洞呢？

答案是否定的。由上述分析可知，根本原因是MB中的top block或left block不可用才导致的crash，因此必须在熵解码时候对应的字节处修改，而且不一定必须修改为ED和FF两个字节。

将恶意视频的那一帧直接拷贝到一个正常的视频中也是不可行的，这是因为iOS视频解码部分还会对帧的长度进行判断，最重要的是解码过程中还要受SPS和PPS影响，当两个视频的SPS和PPS不同时，解码时就会有差异。

在研究中，我们写了一个自动化的工具，能够很快的将一个任意mp4变成攻击视频，而且不影响视频的播放画面。考虑到iOS 10.2刚刚推出，还有很多人未更新，这种危险的东西就不分享出来了。

三、 检测

基于上述分析，开发出100%检测率的工具并不困难。但由于恶意字节可能出现在视频的任意一帧中，因此检测工具需要逐帧解析，因而理论上如果要确保100%的检测率，就不可能实现很高的检测效率。于是我们基于实际运营中遇到的情况，针对流行样本变异规律，开发出了既能应对各种变种样本，又有极高检测效率的轻量型的检测工具，平衡了准确率和检测效率，取得了较好的效果。在开发机上基于1000个mp4文件作测试，平均每个检测时间0.003秒。以最大视频19M为例（微信最大支持20M），检测只需要0.22秒。