目前主流殺軟在處理宏病毒時，都是直接刪除含有宏病毒的文檔，這樣處理顯得有些粗暴，將導致用戶無法查看文檔里的數(shù)據(jù)，如果是一些重要的業(yè)務數(shù)據(jù)，將造成業(yè)務數(shù)據(jù)的丟失，產(chǎn)生無法估計的后果。本文將介紹一種宏病毒處理思路，在不刪除文檔文件的情況下清除宏病毒。

復合文檔二進制解析

在正式處理宏病毒前，我們必須對Office文檔的數(shù)據(jù)結構以及宏的數(shù)據(jù)結構有著初步的了解。

復合文檔數(shù)據(jù)結構解析

Office文檔（如：.doc、.ppt、.xls等）很多是復合文檔（OLE文件），所有文件數(shù)據(jù)都是存儲在一個或多個流中。每個流都有一個相似的數(shù)據(jù)結構，用于存儲元數(shù)據(jù)的數(shù)據(jù)結構。這些元數(shù)據(jù)有用戶和系統(tǒng)的信息、文件屬性、格式信息、文本內容、媒體內容。宏代碼信息也是以這種方式存儲在復合文檔中的。為了在Office文檔文件中提取出宏代碼，必須能夠解析復合文檔的二進制格式，下面以word為例，分析復合文檔的二進制結構。

準備工作

（1）準備工具：

Office Visualization Tool：微軟提供的office二進制格式查看工具，用于學習doc，xls，ppt等文檔二進制格式；

010Editor：一款流行的二進制編輯器。

（2）doc、docx和docm

? 許多用戶在新建word文檔時會發(fā)現(xiàn)有兩個選項，新建Microsoft Word 97 - 2003 文檔和新建新建 Microsoft Word文檔。當用戶點擊新建Microsoft Word 97 - 2003 文檔時，就會創(chuàng)建出一個.doc文件；而用戶點擊新建Microsoft Word 文檔時，就會創(chuàng)建出一個.docx文件，實際上Microsoft Word 2007及之后的Word版本還支持.docm文件，那么這三種文件有什么區(qū)別呢？.doc文件是一種普通的OLE文件(復合文件)，能夠包含宏。而.docx和.docm文件，實際上都是是壓縮文件，下圖是.doc文件.docx和.docm文件頭二進制數(shù)據(jù)的對比圖：

將docx.docx文件的文件名修改為docx.zip就可以以壓縮包的形式打開.docx文件，如圖所示：

實際上.docx主要的內容基本都存在于word目錄下，比較重要的有以下的內容：

• document.xml：記錄Word文檔的正文內容

• footer*.xml：記錄Word文檔的頁腳

• header*.xml：記錄Word文檔的頁眉

• comments.xml：記錄Word文檔的批注

• footnotes.xml：記錄Word文檔的腳注

• endnotes.xml：記錄Word文檔的尾注

利用同樣的方式打開.docm文件，可以發(fā)現(xiàn)和.docx文件的內容基本相同，但是比.docx文件多了一個文件：

vbaProject.bin：這是一個復合文件，記錄vba工程信息

基礎知識

OLE文件數(shù)據(jù)的存儲結構和磁盤數(shù)據(jù)的存儲結構有很大的相似性，都是以扇區(qū)為單位進行存儲的，但二者的扇區(qū)是截然不同的。

對于一個doc文件，其實質是一復合二進制文件（OLE文件），用Office Visualization Tool載入.doc文件，可以看到清晰的文件結構，如圖所示：

首先是文件頭Header，是固定的512字節(jié)。Header中記錄著文件解析必須的所有參數(shù)。Header之后的區(qū)域是不同的Sector。

Sector(扇區(qū)),一般是512字節(jié),是實際數(shù)據(jù)存儲的地方，復合文檔中數(shù)據(jù)都是以扇區(qū)為單位進行存儲的。扇區(qū)有兩種Sector和Mini-Sector（Sector：扇區(qū)，一般是512字節(jié)；Mini-Sector：短扇區(qū)，64字節(jié)）。扇區(qū)內存儲的數(shù)據(jù)有種類有Stroage、Stream、Directory、FAT、Mini-FAT（屬于Mini-Sector）、DIF等，但每個扇區(qū)中只能存儲一種數(shù)據(jù)類型。每個Sector都有一個SectorID，但是Header所在的扇區(qū)ID是-1，并不是0。Header后的Sector才是“第一個”Sector，其SectorID為0[22]。

Storage與Stream的功能相當于文件系統(tǒng)中的文件夾與文件的功能。Storage中是沒有任何“實質性”的內容的，只會記錄其包含的Stream和Storage，是一個Stream和Storage的目錄?！皩嵸|性”的內容全在Stream里面。

Directory，中文“目錄”，和Storage的“目錄”功能有著很大區(qū)別，Directory是一個Storage和Stream的索引。這一部分存儲空間是用來記錄Storage和Stream的存儲結構以及名稱、大小、起始地址等信息。

FAT是索引表。數(shù)據(jù)在硬盤上的存儲是離散的，需要有一個索引表能找到這些數(shù)據(jù)，索引表中存放著數(shù)據(jù)的起始地址（即扇區(qū)的），其實每一條索引也是離散的，索引中一般還有一條數(shù)據(jù)指向下一條索引，類似于鏈表。FAT實際記錄了該扇區(qū)指向的下一個扇區(qū)的地址。

DIFAT是分區(qū)表，是FAT的索引表。FAT也是存儲在Sector里面，但是FAT本身也比較大，所以利用DIFAT作為FAT的索引表，記錄了FAT所在的Sector的起始地址以及邏輯關系

每個扇區(qū)占據(jù)512字節(jié)，Header占據(jù)一個扇區(qū)。除去文件頭外，扇區(qū)ID從0開始。若要讀取某個扇區(qū)的信息，可以采用以下的公式：

扇區(qū)ID x 扇區(qū)大小 + 512

但是要長扇區(qū)和短扇區(qū)，默認扇區(qū)是長扇區(qū)，長扇區(qū)大小為512字節(jié)，短扇區(qū)大小是64字節(jié)。

Header

復合文檔的文件的頭Header是固定的512字節(jié)，其中每一個字節(jié)都有十分重要的含義。圖所示的是一個doc文件的Header部分:

下表是對圖中這512字節(jié)的解析：

字節(jié)偏移	說明
0x00H~0x07H	8個字節(jié):固定值：0xD0 0xCF 0x11 0xE0 0xA1 0xB1 0x1A0xE1，表示此文件是復合文件
0x08H~0x17H	16個字節(jié)：ClassID，不過很多文件都置0
0x18H~0x19H	2個字節(jié)：一般為0x3E，表示文件格式的修訂號
0x1AH~0x1BH	2個字節(jié)：一般為0x3，表示文件格式的版本號
0x1CH~0x1DH	2個字節(jié)：一般0FE 0xFF，表示文檔使用的存儲格式是小端模式（理論上0xFF 0xFE則表示大端存儲方式）
0x1EH~0x1FH	2個字節(jié)：默認值:0x09 0x00，表示Sector的大小，當值為9時，即每個Sector為512（29）字節(jié)
0x20H~0x21H	2個字節(jié)：默認值:0x06 0x00，表示Mini-Sector的大小，當值為6時，即每個Mini-Sector為64（26）字節(jié)
0x22H~0x23H	2個字節(jié)，UInt16，預留值，置0
0x24H~0x27H	4個字節(jié)，UInt32，預留值，置0
0x28H~0x2BH	4個字節(jié)：表示目錄扇區(qū)Directory Sectors的數(shù)量的數(shù)量；若版本號為3，則該值為0
0x2CH~0x2FH	4個字節(jié)：表示FAT的數(shù)量
0x30H~0x33H	4個字節(jié)：表示Directory開始的SectorID文件目錄流的起始扇區(qū)編號
0x34H~0x37H	4個字節(jié)：一般置0，用于事務
0x38H~0x3BH	4個字節(jié)：表示ulMiniSectorCutoff，是最小串（Stream）的最大大小，默認為4096（0x00 0x10 0x00 0x00）
0x3CH~0x3FH	4個字節(jié)：_sectMiniFatStart ，是MiniFAT表開始的SectorID
0x40H~0x43H	4個字節(jié)：表示MiniFAT表的數(shù)量
0x44H~0x47H	4個字節(jié)：表示DIFAT開始的SectorID，DIFAT的起始扇區(qū)編號
0x48H~0x4BH	4個字節(jié)：表示DIFAT的數(shù)量
0x4CH~0x1FFH	436個字節(jié)：UInt32，包含了109個DIFAT，每個DIFAT占用4個字節(jié)，是前109塊FAT表的SectorID。Header中存儲的了109個DIFAT數(shù)據(jù)。但是有時候109個還不夠，這時候可以使用其它扇區(qū)專門存儲DIFAT數(shù)據(jù)，0x44H~0x47H中記錄的就是除這109項外，其他的DIFAT數(shù)據(jù)的起始扇區(qū)編號。在DIFAT扇區(qū)的最后4個字節(jié)，存儲了下個DIFAT扇區(qū)的ID，以表示下個DIFAT數(shù)據(jù)的存儲位置

FAT

FAT實際記錄了該扇區(qū)指向的下一個扇區(qū)的地址。

前文已述一個扇區(qū)能且只能存放一種類型的數(shù)據(jù)，但是復合文檔怎么知道扇區(qū)中存儲的是哪一種類型的數(shù)據(jù)？因而在復合文檔的FAT數(shù)據(jù)中，除了表示扇區(qū)ID的數(shù)字，還有些特殊的數(shù)字ID表示一些特定的扇區(qū)，詳細介紹見表：

類型	ID值	描述
REGSECT	0x00000000-0xFFFFFFF9	正常的數(shù)據(jù)扇區(qū)ID，表示下一個數(shù)據(jù)扇區(qū)
MAXREGSECT	0xFFFFFFFA	扇區(qū)ID最大值
Not applicable	0xFFFFFFFB	保留扇區(qū)ID
DIFSECT	0xFFFFFFFC	DIFAT扇區(qū)ID，表示該扇區(qū)存儲了DIFAT的數(shù)據(jù)
FATSECT	0xFFFFFFFD	FAT扇區(qū)ID，表示該扇區(qū)存儲了FAT的數(shù)據(jù)
ENDOFCHAIN	0xFFFFFFFE	結束字符
FREESECT	0xFFFFFFFF	空扇區(qū)ID

一個扇區(qū)大小為512字節(jié)，一組FAT信息占據(jù)4個字節(jié)。因而一個FAT扇區(qū)中，最多能夠存放128組FAT信息，可以利用DIFAT列表把不同的FAT扇區(qū)串聯(lián)起來。FAT信息在一個扇區(qū)內部的存儲都是連續(xù)的。比如某個FAT扇區(qū)，第1組FAT信息代表的扇區(qū)的ID是3的話，則這個扇區(qū)可以表示的扇區(qū)ID范圍是3到131。

MINIFAT的解析，其方法和FAT類似，其起始扇區(qū)ID存放在Header信息中，MINIFAT表的順序，當記錄在FAT中，這里就不贅述了

Directory

復合文檔從字面上理解就是很多內容放在一起復合形成文檔，這么多內容當然需要有個目錄，而Directory就是這個目錄。Directory起始的SectorID需要從Header中讀取，定位的方法在上文中提到（512+ 扇區(qū)大小 * 扇區(qū)ID）。Directory中每個DirectoryEntry固定為128字節(jié)，其主要結構如表所示：

偏移	描述
0x00H~0x3FH	64個字節(jié)：存儲DirectoryEntry名稱的，并且是以Unicode存儲的，即每個字符占2個字節(jié)，
0x40H~0x41H	2個字節(jié)：DirectoryEntry名稱的長度（包括最后的“\0”）
0x42H~0x42H	1個字節(jié)：是DirectoryEntry的類型。0為非法，1為目錄（storage），2為節(jié)點（Stream），5為根節(jié)點（Root Entry即第一個目錄內容）
0x43H~0x43H	1個字節(jié)：節(jié)點的顏色
0x44H~0x47H	4個字節(jié)：該DirectoryEntry左兄弟的EntryID（第一個DirectoryEntry的EntryID為0，下同）
0x48H~0x4BH	4個字節(jié)：該DirectoryEntry右兄弟的EntryID
0x4CH~0x4FH	4個字節(jié)：該DirectoryEntry一個孩子的EntryID
0x50H~0x5FH	16個字節(jié)：表示CLSID
0x60H~0x63H	4個字節(jié)：表示UserFlags，一般是0
0x64H~0x6BH	8個字節(jié)：表示文件創(chuàng)建時間
0x6CH~0x73H	8個字節(jié)：表示文件修改時間
0x74H~0x77H	4個字節(jié)：表示該DirectoryEntry開始的SectorID
0x78H~0x7BH	4個字節(jié)：是該DirectoryEntry存儲的所有字節(jié)長度
0x7CH~0x7FH	4個字節(jié)：保留置0

Directory為Storage的有clsid、time、和sidChild，stream可能沒有。Stream有個有效的sectdtart和ulsize，但是storage的是0。

當usize小于ulMiniSectorCutoff時，表示stream使用的是MiniFat。常見的Directory有很多，比較重要的有root entry、WordDocument、1Table、SummaryInformation、DocumentSummaryInformation、Macros和Vba。root entry是Directory里的第一個內容，只是作為根節(jié)點，有些文檔中直接命名為R，接下來的介紹WordDocument、1Table、SummaryInformation、DocumentSummaryInformation、Macro都是位于root entry節(jié)點下的，其中Vba位于Orphaned節(jié)點下。DocumentSummaryInformation和SummaryInformation是摘要信息。對于DocumentSummaryInformation，其結構如表所示:

對于每個屬性組，其結構如下：

1.0x00H~0x03H：是屬性組大小。

2.0x04H~0x07H：是屬性組中屬性的個數(shù)。

3.從008H開始的每8字節(jié)，是屬性的信息：

? 前4字節(jié)：屬性的種類。

? 后4字節(jié)：屬性內容相對于屬性組的偏移。

常見的屬性編號如表所示：

屬性	值	屬性	值
Unknown	0x00	Scale	0x0B
CodePage	0x01	HeadingPairs	0x0C
Category	0x02	DocumentParts	0x0D
PresentationTarget	0x03	Manager	0x0E
Bytes	0x04	Company	0x0F
LineCount	0x05	LinksDirty	0x10
ParagraphCount	0x06	CountCharsWithSpaces	0x11
Slides	0x07	SharedDoc	0x13
Notes	0x08	HyperLinksChanged	0x16
HiddenSlides	0x09	Version	0x17
MMClips	0x0A	ContentStatus	0x1B

對于每個屬性，其結構如下：

1.0x00H~0x03H：屬性內容的類型，值有：

0x02表示UInt16

0x03表示UInt32

0x0B表示Boolean

0x1E表示String

2.屬性組中剩下的字節(jié)是屬性的內容，當屬性組中內容類型是String時，剩下字節(jié)不定長，剩下三種類型都是4個字節(jié)（多余字節(jié)置0）。

“WordDocument”和“1Table”是專門存儲文檔內容的DirectoryEntry。需要說明的是，Word中的存儲文檔內容的DirectoryEntry與PowerPoint和Excel中都不同，Word中是“WordDocument”和“1Table”，PowerPoint是“PowerPoint Document”，Excel是“Workbook”。

對于WordDocument，其最重要的應該是其中包含的FIB（File Information Block）了，FIB位于WordDocument的開頭，其包含著Word文件非常重要的參數(shù)，諸如文件的加密方式、文字的編碼等等。

FIB是可變長的，開頭是固定32字節(jié)長的FibBase：

0x00H~0x01H：0xA5EC（0xEC 0xA5），表示W(wǎng)ord二進制文件。

0x02H~0x03H：一般是0xC1，表示W(wǎng)ord97版本，表示最低版本

0x0AH~0x0BH：16bit，被分成了13部分。除了第5部分占了4bit外，其余12部分各站1bit，總計16bit。說明下13部分是如何分配的，最左為最低位。

A：為文檔是否是.Dot文件（Word模板文件）

B：目前該位沒有解析出含義。

C：文檔快速保存時生成的格式。

D，文檔中是否存在圖片。

E，快速保存的次數(shù)。

F，文檔有沒有加密。

G，文字存儲的位置，為1表示1Table，為0表示0Table。

H，是否只讀方式代開

I，是否含有寫保護密碼。

J，固定值1。

K，應用程序默認的語言和字體。

L，文檔語言是東亞語言。

M，文檔加密方式，1表示異或混淆，0則是其他加密方式；如果文檔未加密則忽略該值。

0x0CH~0x0DH：一般為0x00BF，少數(shù)是0x00C1。

0x0EH~0x11H：文檔加密的密鑰；否則應置0。

0x12H~0x12H：置0。

0x13H~0x13H：16bit被劃分為6部分

第1位：0。

第2位：新建文件的方式。

第3位：頁面默認的格式。

第4位：忽略

第5位：忽略。

第6-8位：忽略。

014H~017H：置0，忽略。

018H~01FH：忽略。

FIB中內容仍然有很多，但是了解上述內容就可以讀取文檔的內容，之后的部分就不再介紹了。

“1Table”和“0Table”也是存儲文檔內容的目錄，有時候也被叫做Table Stream，Table Stream其實是他們的總稱，根據(jù)FIB中的信息判斷文字存于“1Table”還是“0Table”。但是目前仍然不知道文字存儲與哪一個扇區(qū)中。這些信息都存放在Table Stream中的Piece Table中，Piece Table的位置可以從FIB中獲取到。Piece Table，其結構為：

0x00H~0x00H：固定值0x02，Piece Table的標識。

0x01H~0x04H：是Piece Table的大小。

Piece Table中數(shù)量的計算公式：

n=（Piece Table的大小 - 4）/（4 + Piece Element的大小）

隨后的4*(n + 1)個字節(jié)，存儲Piece Element中存儲的文本的開始位置（結束位置即下一個的開始位置）。

之后的8*n個字節(jié)，存儲每個Piece Element的信息。

由此可以獲取Word中文本的存儲位置，文字是按下面的順序存儲的：

正文內容（Main document）

腳注（Footnote subdocument）

頁眉和頁腳（Header subdocument）

批注（Comment subdocument）

尾注（Endnote subdocument）

文本框（Textbox subdocument）

頁眉文本框（Textbox Subdocument of the header）

Macro和Vba的解析與WordDocument的解析類似，需要注意的是其Type標志為1。

補充

在Word中，WordDocument永遠是Header后的第一個扇區(qū)，但是PowerPoint Document不一定。不過，PowerPoint的數(shù)據(jù)都存儲在PowerPoint Document中。

PowerPoint以Record為基礎存儲的內容。Record有Container Record和Atom Record兩種。類似于Sector中的 Stroge和Stream，Container Record是容器，Atom Record是容器中的內容，那么其實PowerPoint Document中存儲結構也類似于WordDocument的其實也就是樹形結構。對于每一個Record，其結構如下：

0x00H~0x01H：Record的版本，其中低4位是recVer（如果是0x0F則一定為Container），高12位是recInstance。

0x02H~0x03H：Record的類型recType。

0x04H~0x07H：Record內容的長度recLen。

剩下的字節(jié)是Record的具體內容。

由于PowerPoint支持上百種Record，表舉一些常用的Record：

值（16進制）	值（10進制）	描述
0x03E8	1000	DocumentContainer
0x0FF0	4080	MasterListWithTextContainer/SlideListWithTextContainer/NotesListWithTextContainer
0x03F3	1011	MasterPersistAtom/SlidePersistAtom/NotesPersistAtom
0x0F9F	3999	TextHeaderAtom
0x03EA	1002	EndDocumentAtom
0x03F8	1016	MainMasterContainer
0x040C	1036	DrawingContainer
0x03EE	1006	SlideContainer
0x0FD9	4057	SlideHeadersFootersContainer/NotesHeadersFootersContainer
0x03EF	1007	SlideAtom
0x03F0	1008	NotesContainer
0x0FA0	4000	TextCharsAtom
0x0FA8	4008	TextBytesAtom
0x0FBA	4026	CString，儲存很多文字的Atom

宏代碼數(shù)據(jù)結構解析

在使用oledump.py提取宏代碼數(shù)據(jù)時，會發(fā)現(xiàn)每段宏代碼起點處都是一段“Attribute”信息。實際上，我們可以使用“Attribute”字符來定位宏代碼在文檔中的存儲位置。使用010Editor打開demo1.doc，搜索字符串”Attribut”，注意這里不是搜索“Attribute”，不要加e！！！：

從圖中，我們可以看到autoopen()和MsgBox等字符，可以確定這里存儲的就是宏代碼數(shù)據(jù)

文檔中的宏代碼數(shù)據(jù)是分段存儲的，每段最大是0xFFF字節(jié)，圖中的D3和B0表示此段宏代碼數(shù)據(jù)的長度：0x0*0x100+0xD3=0xD3，0xD3、0xB0后的數(shù)據(jù)就是宏代碼數(shù)據(jù)（包含宏屬性信息）

宏代碼里的數(shù)據(jù)是按組進行劃分的，每組包括一個字節(jié)的標志，和8個元素：

Flag	0x01	0x02	0x04	0x08	0x10	0x20	0x40	0x80
標志字	元素1	元素2	元素3	元素4	元素5	元素6	元素7	元素8

一般來說一個元素對應一個字節(jié)，標志字Flag的每一位對應一個元素，表示這一個元素的具有兩個字節(jié)。

在解析宏代碼時，就是把這些元素拼接起來，組成完整的宏代碼。

說明

• 本文并非原創(chuàng)，乃是征得作者同意后的轉載 原作者為狐貍先生 未經(jīng)允許,禁止轉載
• 需要相關文件可以到我的Github下載:https://github.com/TonyChen56/Virus-Analysis