Konekieli on prosessorin ymmärtämä kieli, joka koostuu binaarimuodossa olevista käskyistä. Konekieli toimii siis erittäin lähellä tietokoneen rautaa, ja se on suunniteltu ohjaamaan suoraan suorittimen toimintaa, kuten laskutoimituksia, muistin käsittelyä ja muita perusoperaatioita.

Koska konekieli on tarkoitettu prosessorin luettavaksi, ihmisten on hieman hankala saada siitä selvää. Tämän vuoksi kehitettiin assembly-kieli.

Assembly-kielet ovat ihmis-silmille ystävälliseksi muotoiltua konekieltä. Assembly-kielen käskyt kääntää assembler-ohjelma konekieleksi, jotta suoritin voi suorittaa käskyt.

Esimerkiksi, käsky EAX -rekisterin arvon nostamiseen yhdellä on 64. Heksana 64 on 0x40. Tai binäärimuodossa se on 01000000. Nämä ovat kaikki sama asia,  palaamme numerojärjestelmiin hieman myöhemmin kurssilla.

Kehittäjän on kuitenkin hankala muistaa että juuri EAX-rekisterin nostamisen koodi oli 0x40. Tätä varten on olemassa assembly-kielet joissa näille op-koodeille on nk. mnemoniceja eli helpommin muistettavia muotoja.

x86 assemblyssä kyseisen 0x40 op-koodin mnemonic on: 

Assembly-kielen käskyt kääntää assembler-ohjelma konekieleksi, jotta suoritin voi suorittaa ohjeet.

Rekisterit ovat pieniä, nopeasti käytettäviä muistialueita suorittimen sisällä, joita käytetään välittömästi tarvittavien tietojen tallentamiseen ja väliaikaisten tulosten säilyttämiseen ohjelman suorituksen aikana. Ne ovat kriittinen osa suorittimen toimintaa, sillä ne mahdollistavat nopean pääsyn tärkeisiin ohjaustietoihin ja arvoihin, jotka ohjaavat suoritettavan ohjelman kulkua.

Rekisterit ovat rajalliset resurssit, ja niiden määrä ja tyyppi vaihtelevat suoritinarkkitehtuurista toiseen. Esimerkiksi x86-arkkitehtuurissa on useita erityyppisiä rekistereitä, kuten:

, jotka ovat tarkoitettu yleiseen datan käsittelyyn ja laskutoimituksiin.

, joita käytetään muistiosoitteiden tallentamiseen ja muistin käsittelyyn.

, jotka määrittelevät muistialueita tai segmenttejä, joissa ohjelman data, koodi ja pinot sijaitsevat.

, jotka sisältävät tärkeitä ohjausbittiejä ja tilatietoja suorittimen nykyisestä tilasta, kuten laskutoimitusten tulokset (esim. nollatulos, ylivuoto).

Rekisterit ovat avainasemassa tehostamaan ohjelman suoritusta, sillä pääsy rekistereihin on huomattavasti nopeampaa kuin pääsy muuhun muistiin. Niiden avulla voidaan optimoida ohjelmien suorituskykyä ja hallita tehokkaasti suoritettavia operaatioita.

Interruptit, eli keskeytykset, ovat mekanismeja, joilla ohjelmien suoritus voidaan keskeyttää, jotta voidaan suorittaa korkeamman prioriteetin tehtäviä tai käsitellä erilaisia järjestelmätason tapahtumia. Ne ovat olennainen osa tietokonejärjestelmien toimintaa, mahdollistaen esimerkiksi laitteistotapahtumien käsittelyn reaaliajassa tai käyttöjärjestelmän tarjoamien palveluiden käytön.

Kun ohjelma tai laitteisto lähettää interrupt-pyynnön, suoritin keskeyttää nykyisen ohjelman suorituksen ja siirtyy suorittamaan erityistä keskeytyskäsittelijäfunktiota. Tämä funktio on määritelty käyttöjärjestelmässä tai laitteiston ohjainkoodissa. Käsittelijäfunktio suorittaa tarvittavat toimenpiteet ja palauttaa lopuksi kontrollin alkuperäiseen ohjelmaan, joka jatkaa suoritustaan keskeytyskohdasta.

INT on assembly-käsky, joka laukaisee ohjelmallisesti keskeytyksen. Tämä käsky ottaa argumentikseen numeron, joka viittaa keskeytysvektoriin, eli eräänlaiseen "osoitteeseen" tai indeksiin, joka määrittää, mikä keskeytyskäsittelijäfunktio suoritetaan.

Esimerkiksi Hakatemian ASM-emulaattorissa INT 1 on määritelty keskeytykseksi, joka tulostaa EAX-rekisterissä olevan numeron konsoliin. Tämä toiminnallisuus ei ole suoraan osa x86-arkkitehtuuria vaan on lisäominaisuus, jonka Hakatemian kehittäjät ovat emulaattoriin implementoineet. Se toimii yksinkertaistettuna esimerkkinä siitä, miten keskeytyksiä voidaan käyttää ohjelman ja käyttöjärjestelmän välisessä kommunikaatiossa.

Konekieli on käytännössä numeroita jotka vastaavat erilaisia käskyjä.

Numerot eivät ole ihmiselle intuitiivisia joten assembly-kielet on kehitetty konekielen kirjoittamisen ja ymmärtämisen helpottamiseksi.

Interrupteilla (keskeytyksillä) hypätään pois ohjelman suorittamisesta ja annetaan suoritus hetkellisesti esimerkiksi laitteen ohjaimelle tai käyttöjärjestelmälle. Näin voidaan esim. kutsua funktioita ohjelman ulkopuolelta, käyttöjärjestelmästä.

Rekisterit ovat käytännössä erittäin nopeasti toimivia muuttujia ohjelman sisällä, joilla on erilaisia käyttötarkoituksia.

INC-käsky nostaa rekisterin arvoa yhdellä.

MOV-käsky asettaa arvon rekisteriin tai muistiin.

Tässä yksinkertaisessa esimerkissä käytämme selainpohjaista x86 simulaattoria numeron tulostamiseen. Esimerkkiohjelmamme tulostaa numeron 42 käyttäen INT 1 interruptia, joka olettaa tulostettavan numeron olevan EAX rekisterissä.

Voit aloittaa leikkimällä editorissa tällä hetkellä olevalla koodilla (joka tulostaa numeron 41). Klikkaa "Assemble" nappia niin pääset ajamaan ohjelmaa vaikkapa rivi kerrallaan ja tarkastelemaan muistin ja rekisterin arvoa ajon aikana.

Jos haluat pysäyttää suorituksen tietylle riville, voit lisätä nk. breakpointin riville klikkaamalla sen vasenta laitaa editorissa.

## Mitä on konekieli?

Konekieli on prosessorin ymmärtämä kieli, joka koostuu binäärimuodossa olevista käskyistä. Se toimii aivan tietokoneen raudan tasolla ja ohjaa suoraan suorittimen toimintaa: laskutoimituksia, muistin käsittelyä ja muita perusoperaatioita.
![Konekieli: mnemonic → assembler → binäärit → CPU. Käännösketjun suunta vasemmalta oikealle.](sanity:image-0b43c290d4fd1a41db6a3abf145bf689c0d130f0-1536x1024-png)
Koska konekieli on tarkoitettu prosessorin luettavaksi, ihmisten on hieman hankala saada siitä selvää. Tämän vuoksi kehitettiin assembly-kieli.

---

## Mitä on assembly?

Assembly-kielet ovat ihmissilmälle luettavaksi muotoiltua konekieltä. Assembly-kielen käskyt kääntää assembler-ohjelma konekieleksi, jotta suoritin voi suorittaa käskyt.

Esimerkiksi 32-bittisessä koodissa käsky `EAX`-rekisterin arvon nostamiseen yhdellä on opcode `0x40` (= 64 desimaalina, `01000000` binäärinä). Sama asia kolmessa eri esitysmuodossa. Numerojärjestelmiin palataan hieman myöhemmin.

Kehittäjän on kuitenkin hankala muistaa, että juuri `EAX`-rekisterin nostamisen koodi oli `0x40`. Tätä varten on assembly-kieliä, joissa opcodeille on annettu mnemonic-nimet eli helpommin muistettavat muodot.

x86 assemblyssä kyseisen `0x40` op-koodin mnemonic on: 

```assembly_x86
INC EAX; nostetaan EAX-rekisterin arvoa yhdellä
```

---

## Rekisterit

![Prosessorin sisällä olevat rekisterit kuvattu pieninä, neonilla hehkuvina lokerikkoina; kukin lokero merkitty rekisterin nimellä (EAX, EBX, EIP, ESP) ja arvolla.](sanity:image-4011b35cfc7993990141c52f258ed5294e98d36d-1200x628-png)

Rekisterit (registers) ovat prosessorin sisäisiä muistilokeroita. Niitä on muutamia kymmeniä, ja prosessori pääsee niihin käsiksi **paljon nopeammin kuin keskusmuistiin (RAM)**. Siksi rekisterit ovat assemblyn ensisijainen työpinta: data nostetaan muistista rekisteriin, käsitellään siellä ja kirjoitetaan tarvittaessa takaisin.

Niitä on niukasti: 32-bittisessä x86:ssa on kahdeksan yleiskäyttöistä rekisteriä (`EAX`, `EBX`, `ECX`, `EDX`, `ESI`, `EDI`, `EBP`, `ESP`) sekä käskyosoitin (`EIP`) ja tilalippurekisteri (`EFLAGS`). Vertailun vuoksi keskusmuistia on yleensä useita gigatavuja, eli miljardeja kertoja enemmän paikkoja. Mutta jokainen muistihaku on prosessorille kuin matka kaupungin toiselle puolelle, kun taas rekisterin lukeminen on kuin kurottaisi viereiselle pöydälle.

Jokaisella rekisterillä on perinteinen erityisrooli (esim. `ECX` on silmukkalaskuri, `ESP` osoittaa pinon huipulle). Roolit näkyvät silloin tällöin kääntäjien tuottamassa koodissa ja omissa kirjoituksissasi. Rekisterit käydään nimi nimeltä läpi moduulissa "Rekisterit ja niiden käyttö"; nyt riittää tietää, että rekisteri on nopea ja niukka muuttuja prosessorin sisällä.

---

## Interruptit

Interruptit eli keskeytykset ovat tapa nykäistä prosessori pois ohjelman kulusta. Niitä tarvitaan kahteen asiaan: laitteistotapahtumien (näppäinpainallus, paketti verkosta) käsittelyyn ja käyttöjärjestelmäpalveluiden kutsumiseen (`int 0x80` Linuxissa, syscall myöhemmin).

### Miten interruptit toimivat?

Kun ohjelma tai laitteisto lähettää interrupt-pyynnön, suoritin keskeyttää nykyisen ohjelman suorituksen ja siirtyy suorittamaan erityistä keskeytyskäsittelijäfunktiota. Tämä funktio on määritelty käyttöjärjestelmässä tai laitteiston ohjainkoodissa. Käsittelijäfunktio suorittaa tarvittavat toimenpiteet ja palauttaa lopuksi kontrollin alkuperäiseen ohjelmaan, joka jatkaa suoritustaan keskeytyskohdasta.

### `INT` Komento

`INT` on assembly-käsky, joka laukaisee ohjelmallisesti keskeytyksen. Tämä käsky ottaa argumentikseen numeron, joka viittaa keskeytysvektoriin, eli eräänlaiseen "osoitteeseen" tai indeksiin, joka määrittää, mikä keskeytyskäsittelijäfunktio suoritetaan.

Esimerkiksi Hakatemian ASM-emulaattorissa `INT 1` on määritelty keskeytykseksi, joka tulostaa `EAX`-rekisterissä olevan numeron konsoliin. Tämä toiminnallisuus ei ole osa x86-arkkitehtuuria, vaan emulaattoriin lisätty keskeytys, jolla saa numeron näkyviin ilman täyttä `write`-syscallia. Yksinkertaistettu esimerkki siitä, miten keskeytyksiä voi käyttää ohjelman ja käyttöjärjestelmän välisessä kommunikaatiossa.

```assembly_x86
section .text

MOV EAX, 1337 ; siirretään EAX-rekisteriin arvo 1337
INT 1 ; tulostaa konsoliin EAX-rekisterin arvon (1337)
```

---

## Yhteenveto

- Prosessori suorittaa konekieltä.
- Konekieli on käytännössä numeroita jotka vastaavat erilaisia käskyjä.
- Numerot eivät ole ihmiselle intuitiivisia joten assembly-kielet on kehitetty konekielen kirjoittamisen ja ymmärtämisen helpottamiseksi.
- Interrupteilla (keskeytyksillä) hypätään pois ohjelman suorittamisesta ja annetaan suoritus hetkellisesti esimerkiksi laitteen ohjaimelle tai käyttöjärjestelmälle. Näin voidaan esim. kutsua funktioita ohjelman ulkopuolelta, käyttöjärjestelmästä.
- Rekisterit ovat käytännössä erittäin nopeasti toimivia muuttujia ohjelman sisällä, joilla on erilaisia käyttötarkoituksia.
- `INC`-käsky nostaa rekisterin arvoa yhdellä.
- `MOV`-käsky asettaa arvon rekisteriin tai muistiin.


Mitä on x86 assembly?

Opi x86-assemblyn perusteet selainpohjaisella emulaattorilla: konekielestä rekistereihin, hypyistä ja silmukoista funktioihin ja kutsupinoon. Pohjatyö reverse engineeringiä ja exploit-kehitystä varten.

Tällä kurssilla pureudutaan x86-arkkitehtuurin assemblyyn: kieleen, joka istuu suoraan konekielen päällä ja ohjaa prosessoria käsky kerrallaan. Lähdemme aivan perusteista: mitä konekieli edes on, miten prosessori sitä suorittaa, miltä numerot näyttävät bittitasolla ja miten data on tallennettu muistiin.

Hands-on-osiossa pääset kokeilemaan oppimaasi selaimessa toimivalla emulaattorilla. Kirjoitat ohjelmia, jotka liikuttavat dataa rekistereiden ja muistin välillä, vertailevat lukuja, hyppivät koodissa ehtojen mukaan, toistavat silmukoita ja lopulta kutsuvat omia funktioita kutsupinon kautta. Kaikki vaiheittain ja debuggerin keinoin tarkasteltavissa.

Tämä kurssi on tarkoitettu pohjaksi reverse engineering- ja exploit-kehityskursseille. Kun ymmärrät, miltä binäärit näyttävät prosessorille, decompiloidut funktiot ja stack-pohjaiset haavoittuvuudet alkavat avautua aivan eri tavalla.

Prosessorin toiminta

Numerojärjestelmät

Datatyypit ja negatiiviset numerot

Mitä on x86 assembly?

Mitä on konekieli?

Hakkeroinnin oppiminen alkaa tästä