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 conSOURCE_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=$PWD=. - Orden en el que el sistema lista ficheros (
readdirno garantiza orden), o el orden de iteración de una tabla hash. - Paralelismo que cambia el orden de enlazado.
- Versiones distintas del compilador o de las bibliotecas. Hay que fijar el entorno (contenedor, sistema de paquetes con versiones exactas).
Para comparar dos binarios que "deberían ser iguales" y no lo son, diffoscope es de gran ayuda: te muestra qué cambió, dentro de archivos y paquetes.
Mis flags favoritos para empezar:
export SOURCE_DATE_EPOCH=1700000000
make CFLAGS="-O2 -ffile-prefix-map=$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.