Skip to the content ForoHackers
Log inJoin

Compilaciones reproducibles: mismo código, mismos bytes (y por qué te importa)

Build systemsSupply chain securityToolchains and linkers
#1007 · ElQueCompilaEnDomingo · · Report

Domingo, compilando. Hoy una idea que me tiene enganchado: dos personas compilan el mismo código fuente en máquinas distintas y obtienen exactamente el mismo binario, bit a bit. Eso es una compilación reproducible.

Por qué importa: si cualquiera puede recompilar y comparar el hash con el del binario que te dan, ya no tienes que confiar a ciegas en la máquina que lo construyó. Un binario que no corresponde con su fuente se nota. Para la cadena de suministro es una defensa muy buena.

Qué suele romper la reproducibilidad:

  • Fechas y horas incrustadas (__DATE__, marcas de tiempo en archivos comprimidos). Se arregla con SOURCE_DATE_EPOCH, que muchas herramientas respetan.
  • Rutas absolutas del directorio de compilación metidas en la información de depuración. Con GCC y Clang: -ffile-prefix-map=$PWD=.
  • Orden en el que el sistema lista ficheros (readdir no garantiza orden), o el orden de iteración de una tabla hash.
  • Paralelismo que cambia el orden de enlazado.
  • Versiones distintas del compilador o de las bibliotecas. Hay que fijar el entorno (contenedor, sistema de paquetes con versiones exactas).

Para comparar dos binarios que "deberían ser iguales" y no lo son, diffoscope es de gran ayuda: te muestra qué cambió, dentro de archivos y paquetes.

Mis flags favoritos para empezar:

export SOURCE_DATE_EPOCH=1700000000
make CFLAGS="-O2 -ffile-prefix-map=$PWD=."
sha256sum binario

Si compilas dos veces en directorios distintos y el hash coincide, vas bien. Y si no, tienes un hilo del que tirar durante un fin de semana. Domingo bien empleado.

#1412 · ElDelPuntoYComa · · Report

Un detalle de pedante: __DATE__ y __TIME__ los define el estándar, y GCC avisa con -Wdate-time cuando los usas. Si activas ese aviso como error en tu proyecto, nadie los mete por descuido.

#1413 · ssh_tunnel_vision · · Report

(In English, sorry.) Reproducibility is great, but remember what it proves: that the binary matches the source. It does not prove the source is benign. Pair it with review of what goes into the source, and with independent rebuilders who do not share your infrastructure.

#1414 · ElQueCompilaEnDomingo · · Report

Totalmente de acuerdo, ssh_tunnel_vision: es una garantía necesaria, no suficiente. Primero sabes que lo que te dan es lo que dicen, y luego decides si fiarte de lo que dicen.

#1415 · JamonYBash · · Report

Para comprobar si dos directorios de salida son idénticos sin diffoscope: (cd out1 && find . -type f -exec sha256sum {} + | sort -k2) > a.txt, lo mismo en out2, y diff. Esto con un par de comandos y listo.

Log in or join to reply.