WIP FPC-III support
[linux/fpc-iii.git] / Documentation / networking / filter.rst
blobdebb59e374debb7ba77ceb778042d7483f850be5
1 .. SPDX-License-Identifier: GPL-2.0
3 .. _networking-filter:
5 =======================================================
6 Linux Socket Filtering aka Berkeley Packet Filter (BPF)
7 =======================================================
9 Introduction
10 ------------
12 Linux Socket Filtering (LSF) is derived from the Berkeley Packet Filter.
13 Though there are some distinct differences between the BSD and Linux
14 Kernel filtering, but when we speak of BPF or LSF in Linux context, we
15 mean the very same mechanism of filtering in the Linux kernel.
17 BPF allows a user-space program to attach a filter onto any socket and
18 allow or disallow certain types of data to come through the socket. LSF
19 follows exactly the same filter code structure as BSD's BPF, so referring
20 to the BSD bpf.4 manpage is very helpful in creating filters.
22 On Linux, BPF is much simpler than on BSD. One does not have to worry
23 about devices or anything like that. You simply create your filter code,
24 send it to the kernel via the SO_ATTACH_FILTER option and if your filter
25 code passes the kernel check on it, you then immediately begin filtering
26 data on that socket.
28 You can also detach filters from your socket via the SO_DETACH_FILTER
29 option. This will probably not be used much since when you close a socket
30 that has a filter on it the filter is automagically removed. The other
31 less common case may be adding a different filter on the same socket where
32 you had another filter that is still running: the kernel takes care of
33 removing the old one and placing your new one in its place, assuming your
34 filter has passed the checks, otherwise if it fails the old filter will
35 remain on that socket.
37 SO_LOCK_FILTER option allows to lock the filter attached to a socket. Once
38 set, a filter cannot be removed or changed. This allows one process to
39 setup a socket, attach a filter, lock it then drop privileges and be
40 assured that the filter will be kept until the socket is closed.
42 The biggest user of this construct might be libpcap. Issuing a high-level
43 filter command like `tcpdump -i em1 port 22` passes through the libpcap
44 internal compiler that generates a structure that can eventually be loaded
45 via SO_ATTACH_FILTER to the kernel. `tcpdump -i em1 port 22 -ddd`
46 displays what is being placed into this structure.
48 Although we were only speaking about sockets here, BPF in Linux is used
49 in many more places. There's xt_bpf for netfilter, cls_bpf in the kernel
50 qdisc layer, SECCOMP-BPF (SECure COMPuting [1]_), and lots of other places
51 such as team driver, PTP code, etc where BPF is being used.
53 .. [1] Documentation/userspace-api/seccomp_filter.rst
55 Original BPF paper:
57 Steven McCanne and Van Jacobson. 1993. The BSD packet filter: a new
58 architecture for user-level packet capture. In Proceedings of the
59 USENIX Winter 1993 Conference Proceedings on USENIX Winter 1993
60 Conference Proceedings (USENIX'93). USENIX Association, Berkeley,
61 CA, USA, 2-2. [http://www.tcpdump.org/papers/bpf-usenix93.pdf]
63 Structure
64 ---------
66 User space applications include <linux/filter.h> which contains the
67 following relevant structures::
69         struct sock_filter {    /* Filter block */
70                 __u16   code;   /* Actual filter code */
71                 __u8    jt;     /* Jump true */
72                 __u8    jf;     /* Jump false */
73                 __u32   k;      /* Generic multiuse field */
74         };
76 Such a structure is assembled as an array of 4-tuples, that contains
77 a code, jt, jf and k value. jt and jf are jump offsets and k a generic
78 value to be used for a provided code::
80         struct sock_fprog {                     /* Required for SO_ATTACH_FILTER. */
81                 unsigned short             len; /* Number of filter blocks */
82                 struct sock_filter __user *filter;
83         };
85 For socket filtering, a pointer to this structure (as shown in
86 follow-up example) is being passed to the kernel through setsockopt(2).
88 Example
89 -------
93     #include <sys/socket.h>
94     #include <sys/types.h>
95     #include <arpa/inet.h>
96     #include <linux/if_ether.h>
97     /* ... */
99     /* From the example above: tcpdump -i em1 port 22 -dd */
100     struct sock_filter code[] = {
101             { 0x28,  0,  0, 0x0000000c },
102             { 0x15,  0,  8, 0x000086dd },
103             { 0x30,  0,  0, 0x00000014 },
104             { 0x15,  2,  0, 0x00000084 },
105             { 0x15,  1,  0, 0x00000006 },
106             { 0x15,  0, 17, 0x00000011 },
107             { 0x28,  0,  0, 0x00000036 },
108             { 0x15, 14,  0, 0x00000016 },
109             { 0x28,  0,  0, 0x00000038 },
110             { 0x15, 12, 13, 0x00000016 },
111             { 0x15,  0, 12, 0x00000800 },
112             { 0x30,  0,  0, 0x00000017 },
113             { 0x15,  2,  0, 0x00000084 },
114             { 0x15,  1,  0, 0x00000006 },
115             { 0x15,  0,  8, 0x00000011 },
116             { 0x28,  0,  0, 0x00000014 },
117             { 0x45,  6,  0, 0x00001fff },
118             { 0xb1,  0,  0, 0x0000000e },
119             { 0x48,  0,  0, 0x0000000e },
120             { 0x15,  2,  0, 0x00000016 },
121             { 0x48,  0,  0, 0x00000010 },
122             { 0x15,  0,  1, 0x00000016 },
123             { 0x06,  0,  0, 0x0000ffff },
124             { 0x06,  0,  0, 0x00000000 },
125     };
127     struct sock_fprog bpf = {
128             .len = ARRAY_SIZE(code),
129             .filter = code,
130     };
132     sock = socket(PF_PACKET, SOCK_RAW, htons(ETH_P_ALL));
133     if (sock < 0)
134             /* ... bail out ... */
136     ret = setsockopt(sock, SOL_SOCKET, SO_ATTACH_FILTER, &bpf, sizeof(bpf));
137     if (ret < 0)
138             /* ... bail out ... */
140     /* ... */
141     close(sock);
143 The above example code attaches a socket filter for a PF_PACKET socket
144 in order to let all IPv4/IPv6 packets with port 22 pass. The rest will
145 be dropped for this socket.
147 The setsockopt(2) call to SO_DETACH_FILTER doesn't need any arguments
148 and SO_LOCK_FILTER for preventing the filter to be detached, takes an
149 integer value with 0 or 1.
151 Note that socket filters are not restricted to PF_PACKET sockets only,
152 but can also be used on other socket families.
154 Summary of system calls:
156  * setsockopt(sockfd, SOL_SOCKET, SO_ATTACH_FILTER, &val, sizeof(val));
157  * setsockopt(sockfd, SOL_SOCKET, SO_DETACH_FILTER, &val, sizeof(val));
158  * setsockopt(sockfd, SOL_SOCKET, SO_LOCK_FILTER,   &val, sizeof(val));
160 Normally, most use cases for socket filtering on packet sockets will be
161 covered by libpcap in high-level syntax, so as an application developer
162 you should stick to that. libpcap wraps its own layer around all that.
164 Unless i) using/linking to libpcap is not an option, ii) the required BPF
165 filters use Linux extensions that are not supported by libpcap's compiler,
166 iii) a filter might be more complex and not cleanly implementable with
167 libpcap's compiler, or iv) particular filter codes should be optimized
168 differently than libpcap's internal compiler does; then in such cases
169 writing such a filter "by hand" can be of an alternative. For example,
170 xt_bpf and cls_bpf users might have requirements that could result in
171 more complex filter code, or one that cannot be expressed with libpcap
172 (e.g. different return codes for various code paths). Moreover, BPF JIT
173 implementors may wish to manually write test cases and thus need low-level
174 access to BPF code as well.
176 BPF engine and instruction set
177 ------------------------------
179 Under tools/bpf/ there's a small helper tool called bpf_asm which can
180 be used to write low-level filters for example scenarios mentioned in the
181 previous section. Asm-like syntax mentioned here has been implemented in
182 bpf_asm and will be used for further explanations (instead of dealing with
183 less readable opcodes directly, principles are the same). The syntax is
184 closely modelled after Steven McCanne's and Van Jacobson's BPF paper.
186 The BPF architecture consists of the following basic elements:
188   =======          ====================================================
189   Element          Description
190   =======          ====================================================
191   A                32 bit wide accumulator
192   X                32 bit wide X register
193   M[]              16 x 32 bit wide misc registers aka "scratch memory
194                    store", addressable from 0 to 15
195   =======          ====================================================
197 A program, that is translated by bpf_asm into "opcodes" is an array that
198 consists of the following elements (as already mentioned)::
200   op:16, jt:8, jf:8, k:32
202 The element op is a 16 bit wide opcode that has a particular instruction
203 encoded. jt and jf are two 8 bit wide jump targets, one for condition
204 "jump if true", the other one "jump if false". Eventually, element k
205 contains a miscellaneous argument that can be interpreted in different
206 ways depending on the given instruction in op.
208 The instruction set consists of load, store, branch, alu, miscellaneous
209 and return instructions that are also represented in bpf_asm syntax. This
210 table lists all bpf_asm instructions available resp. what their underlying
211 opcodes as defined in linux/filter.h stand for:
213   ===========      ===================  =====================
214   Instruction      Addressing mode      Description
215   ===========      ===================  =====================
216   ld               1, 2, 3, 4, 12       Load word into A
217   ldi              4                    Load word into A
218   ldh              1, 2                 Load half-word into A
219   ldb              1, 2                 Load byte into A
220   ldx              3, 4, 5, 12          Load word into X
221   ldxi             4                    Load word into X
222   ldxb             5                    Load byte into X
224   st               3                    Store A into M[]
225   stx              3                    Store X into M[]
227   jmp              6                    Jump to label
228   ja               6                    Jump to label
229   jeq              7, 8, 9, 10          Jump on A == <x>
230   jneq             9, 10                Jump on A != <x>
231   jne              9, 10                Jump on A != <x>
232   jlt              9, 10                Jump on A <  <x>
233   jle              9, 10                Jump on A <= <x>
234   jgt              7, 8, 9, 10          Jump on A >  <x>
235   jge              7, 8, 9, 10          Jump on A >= <x>
236   jset             7, 8, 9, 10          Jump on A &  <x>
238   add              0, 4                 A + <x>
239   sub              0, 4                 A - <x>
240   mul              0, 4                 A * <x>
241   div              0, 4                 A / <x>
242   mod              0, 4                 A % <x>
243   neg                                   !A
244   and              0, 4                 A & <x>
245   or               0, 4                 A | <x>
246   xor              0, 4                 A ^ <x>
247   lsh              0, 4                 A << <x>
248   rsh              0, 4                 A >> <x>
250   tax                                   Copy A into X
251   txa                                   Copy X into A
253   ret              4, 11                Return
254   ===========      ===================  =====================
256 The next table shows addressing formats from the 2nd column:
258   ===============  ===================  ===============================================
259   Addressing mode  Syntax               Description
260   ===============  ===================  ===============================================
261    0               x/%x                 Register X
262    1               [k]                  BHW at byte offset k in the packet
263    2               [x + k]              BHW at the offset X + k in the packet
264    3               M[k]                 Word at offset k in M[]
265    4               #k                   Literal value stored in k
266    5               4*([k]&0xf)          Lower nibble * 4 at byte offset k in the packet
267    6               L                    Jump label L
268    7               #k,Lt,Lf             Jump to Lt if true, otherwise jump to Lf
269    8               x/%x,Lt,Lf           Jump to Lt if true, otherwise jump to Lf
270    9               #k,Lt                Jump to Lt if predicate is true
271   10               x/%x,Lt              Jump to Lt if predicate is true
272   11               a/%a                 Accumulator A
273   12               extension            BPF extension
274   ===============  ===================  ===============================================
276 The Linux kernel also has a couple of BPF extensions that are used along
277 with the class of load instructions by "overloading" the k argument with
278 a negative offset + a particular extension offset. The result of such BPF
279 extensions are loaded into A.
281 Possible BPF extensions are shown in the following table:
283   ===================================   =================================================
284   Extension                             Description
285   ===================================   =================================================
286   len                                   skb->len
287   proto                                 skb->protocol
288   type                                  skb->pkt_type
289   poff                                  Payload start offset
290   ifidx                                 skb->dev->ifindex
291   nla                                   Netlink attribute of type X with offset A
292   nlan                                  Nested Netlink attribute of type X with offset A
293   mark                                  skb->mark
294   queue                                 skb->queue_mapping
295   hatype                                skb->dev->type
296   rxhash                                skb->hash
297   cpu                                   raw_smp_processor_id()
298   vlan_tci                              skb_vlan_tag_get(skb)
299   vlan_avail                            skb_vlan_tag_present(skb)
300   vlan_tpid                             skb->vlan_proto
301   rand                                  prandom_u32()
302   ===================================   =================================================
304 These extensions can also be prefixed with '#'.
305 Examples for low-level BPF:
307 **ARP packets**::
309   ldh [12]
310   jne #0x806, drop
311   ret #-1
312   drop: ret #0
314 **IPv4 TCP packets**::
316   ldh [12]
317   jne #0x800, drop
318   ldb [23]
319   jneq #6, drop
320   ret #-1
321   drop: ret #0
323 **(Accelerated) VLAN w/ id 10**::
325   ld vlan_tci
326   jneq #10, drop
327   ret #-1
328   drop: ret #0
330 **icmp random packet sampling, 1 in 4**:
332   ldh [12]
333   jne #0x800, drop
334   ldb [23]
335   jneq #1, drop
336   # get a random uint32 number
337   ld rand
338   mod #4
339   jneq #1, drop
340   ret #-1
341   drop: ret #0
343 **SECCOMP filter example**::
345   ld [4]                  /* offsetof(struct seccomp_data, arch) */
346   jne #0xc000003e, bad    /* AUDIT_ARCH_X86_64 */
347   ld [0]                  /* offsetof(struct seccomp_data, nr) */
348   jeq #15, good           /* __NR_rt_sigreturn */
349   jeq #231, good          /* __NR_exit_group */
350   jeq #60, good           /* __NR_exit */
351   jeq #0, good            /* __NR_read */
352   jeq #1, good            /* __NR_write */
353   jeq #5, good            /* __NR_fstat */
354   jeq #9, good            /* __NR_mmap */
355   jeq #14, good           /* __NR_rt_sigprocmask */
356   jeq #13, good           /* __NR_rt_sigaction */
357   jeq #35, good           /* __NR_nanosleep */
358   bad: ret #0             /* SECCOMP_RET_KILL_THREAD */
359   good: ret #0x7fff0000   /* SECCOMP_RET_ALLOW */
361 The above example code can be placed into a file (here called "foo"), and
362 then be passed to the bpf_asm tool for generating opcodes, output that xt_bpf
363 and cls_bpf understands and can directly be loaded with. Example with above
364 ARP code::
366     $ ./bpf_asm foo
367     4,40 0 0 12,21 0 1 2054,6 0 0 4294967295,6 0 0 0,
369 In copy and paste C-like output::
371     $ ./bpf_asm -c foo
372     { 0x28,  0,  0, 0x0000000c },
373     { 0x15,  0,  1, 0x00000806 },
374     { 0x06,  0,  0, 0xffffffff },
375     { 0x06,  0,  0, 0000000000 },
377 In particular, as usage with xt_bpf or cls_bpf can result in more complex BPF
378 filters that might not be obvious at first, it's good to test filters before
379 attaching to a live system. For that purpose, there's a small tool called
380 bpf_dbg under tools/bpf/ in the kernel source directory. This debugger allows
381 for testing BPF filters against given pcap files, single stepping through the
382 BPF code on the pcap's packets and to do BPF machine register dumps.
384 Starting bpf_dbg is trivial and just requires issuing::
386     # ./bpf_dbg
388 In case input and output do not equal stdin/stdout, bpf_dbg takes an
389 alternative stdin source as a first argument, and an alternative stdout
390 sink as a second one, e.g. `./bpf_dbg test_in.txt test_out.txt`.
392 Other than that, a particular libreadline configuration can be set via
393 file "~/.bpf_dbg_init" and the command history is stored in the file
394 "~/.bpf_dbg_history".
396 Interaction in bpf_dbg happens through a shell that also has auto-completion
397 support (follow-up example commands starting with '>' denote bpf_dbg shell).
398 The usual workflow would be to ...
400 * load bpf 6,40 0 0 12,21 0 3 2048,48 0 0 23,21 0 1 1,6 0 0 65535,6 0 0 0
401   Loads a BPF filter from standard output of bpf_asm, or transformed via
402   e.g. ``tcpdump -iem1 -ddd port 22 | tr '\n' ','``. Note that for JIT
403   debugging (next section), this command creates a temporary socket and
404   loads the BPF code into the kernel. Thus, this will also be useful for
405   JIT developers.
407 * load pcap foo.pcap
409   Loads standard tcpdump pcap file.
411 * run [<n>]
413 bpf passes:1 fails:9
414   Runs through all packets from a pcap to account how many passes and fails
415   the filter will generate. A limit of packets to traverse can be given.
417 * disassemble::
419         l0:     ldh [12]
420         l1:     jeq #0x800, l2, l5
421         l2:     ldb [23]
422         l3:     jeq #0x1, l4, l5
423         l4:     ret #0xffff
424         l5:     ret #0
426   Prints out BPF code disassembly.
428 * dump::
430         /* { op, jt, jf, k }, */
431         { 0x28,  0,  0, 0x0000000c },
432         { 0x15,  0,  3, 0x00000800 },
433         { 0x30,  0,  0, 0x00000017 },
434         { 0x15,  0,  1, 0x00000001 },
435         { 0x06,  0,  0, 0x0000ffff },
436         { 0x06,  0,  0, 0000000000 },
438   Prints out C-style BPF code dump.
440 * breakpoint 0::
442         breakpoint at: l0:      ldh [12]
444 * breakpoint 1::
446         breakpoint at: l1:      jeq #0x800, l2, l5
448   ...
450   Sets breakpoints at particular BPF instructions. Issuing a `run` command
451   will walk through the pcap file continuing from the current packet and
452   break when a breakpoint is being hit (another `run` will continue from
453   the currently active breakpoint executing next instructions):
455   * run::
457         -- register dump --
458         pc:       [0]                       <-- program counter
459         code:     [40] jt[0] jf[0] k[12]    <-- plain BPF code of current instruction
460         curr:     l0:   ldh [12]              <-- disassembly of current instruction
461         A:        [00000000][0]             <-- content of A (hex, decimal)
462         X:        [00000000][0]             <-- content of X (hex, decimal)
463         M[0,15]:  [00000000][0]             <-- folded content of M (hex, decimal)
464         -- packet dump --                   <-- Current packet from pcap (hex)
465         len: 42
466             0: 00 19 cb 55 55 a4 00 14 a4 43 78 69 08 06 00 01
467         16: 08 00 06 04 00 01 00 14 a4 43 78 69 0a 3b 01 26
468         32: 00 00 00 00 00 00 0a 3b 01 01
469         (breakpoint)
470         >
472   * breakpoint::
474         breakpoints: 0 1
476     Prints currently set breakpoints.
478 * step [-<n>, +<n>]
480   Performs single stepping through the BPF program from the current pc
481   offset. Thus, on each step invocation, above register dump is issued.
482   This can go forwards and backwards in time, a plain `step` will break
483   on the next BPF instruction, thus +1. (No `run` needs to be issued here.)
485 * select <n>
487   Selects a given packet from the pcap file to continue from. Thus, on
488   the next `run` or `step`, the BPF program is being evaluated against
489   the user pre-selected packet. Numbering starts just as in Wireshark
490   with index 1.
492 * quit
494   Exits bpf_dbg.
496 JIT compiler
497 ------------
499 The Linux kernel has a built-in BPF JIT compiler for x86_64, SPARC,
500 PowerPC, ARM, ARM64, MIPS, RISC-V and s390 and can be enabled through
501 CONFIG_BPF_JIT. The JIT compiler is transparently invoked for each
502 attached filter from user space or for internal kernel users if it has
503 been previously enabled by root::
505   echo 1 > /proc/sys/net/core/bpf_jit_enable
507 For JIT developers, doing audits etc, each compile run can output the generated
508 opcode image into the kernel log via::
510   echo 2 > /proc/sys/net/core/bpf_jit_enable
512 Example output from dmesg::
514     [ 3389.935842] flen=6 proglen=70 pass=3 image=ffffffffa0069c8f
515     [ 3389.935847] JIT code: 00000000: 55 48 89 e5 48 83 ec 60 48 89 5d f8 44 8b 4f 68
516     [ 3389.935849] JIT code: 00000010: 44 2b 4f 6c 4c 8b 87 d8 00 00 00 be 0c 00 00 00
517     [ 3389.935850] JIT code: 00000020: e8 1d 94 ff e0 3d 00 08 00 00 75 16 be 17 00 00
518     [ 3389.935851] JIT code: 00000030: 00 e8 28 94 ff e0 83 f8 01 75 07 b8 ff ff 00 00
519     [ 3389.935852] JIT code: 00000040: eb 02 31 c0 c9 c3
521 When CONFIG_BPF_JIT_ALWAYS_ON is enabled, bpf_jit_enable is permanently set to 1 and
522 setting any other value than that will return in failure. This is even the case for
523 setting bpf_jit_enable to 2, since dumping the final JIT image into the kernel log
524 is discouraged and introspection through bpftool (under tools/bpf/bpftool/) is the
525 generally recommended approach instead.
527 In the kernel source tree under tools/bpf/, there's bpf_jit_disasm for
528 generating disassembly out of the kernel log's hexdump::
530         # ./bpf_jit_disasm
531         70 bytes emitted from JIT compiler (pass:3, flen:6)
532         ffffffffa0069c8f + <x>:
533         0:      push   %rbp
534         1:      mov    %rsp,%rbp
535         4:      sub    $0x60,%rsp
536         8:      mov    %rbx,-0x8(%rbp)
537         c:      mov    0x68(%rdi),%r9d
538         10:     sub    0x6c(%rdi),%r9d
539         14:     mov    0xd8(%rdi),%r8
540         1b:     mov    $0xc,%esi
541         20:     callq  0xffffffffe0ff9442
542         25:     cmp    $0x800,%eax
543         2a:     jne    0x0000000000000042
544         2c:     mov    $0x17,%esi
545         31:     callq  0xffffffffe0ff945e
546         36:     cmp    $0x1,%eax
547         39:     jne    0x0000000000000042
548         3b:     mov    $0xffff,%eax
549         40:     jmp    0x0000000000000044
550         42:     xor    %eax,%eax
551         44:     leaveq
552         45:     retq
554         Issuing option `-o` will "annotate" opcodes to resulting assembler
555         instructions, which can be very useful for JIT developers:
557         # ./bpf_jit_disasm -o
558         70 bytes emitted from JIT compiler (pass:3, flen:6)
559         ffffffffa0069c8f + <x>:
560         0:      push   %rbp
561                 55
562         1:      mov    %rsp,%rbp
563                 48 89 e5
564         4:      sub    $0x60,%rsp
565                 48 83 ec 60
566         8:      mov    %rbx,-0x8(%rbp)
567                 48 89 5d f8
568         c:      mov    0x68(%rdi),%r9d
569                 44 8b 4f 68
570         10:     sub    0x6c(%rdi),%r9d
571                 44 2b 4f 6c
572         14:     mov    0xd8(%rdi),%r8
573                 4c 8b 87 d8 00 00 00
574         1b:     mov    $0xc,%esi
575                 be 0c 00 00 00
576         20:     callq  0xffffffffe0ff9442
577                 e8 1d 94 ff e0
578         25:     cmp    $0x800,%eax
579                 3d 00 08 00 00
580         2a:     jne    0x0000000000000042
581                 75 16
582         2c:     mov    $0x17,%esi
583                 be 17 00 00 00
584         31:     callq  0xffffffffe0ff945e
585                 e8 28 94 ff e0
586         36:     cmp    $0x1,%eax
587                 83 f8 01
588         39:     jne    0x0000000000000042
589                 75 07
590         3b:     mov    $0xffff,%eax
591                 b8 ff ff 00 00
592         40:     jmp    0x0000000000000044
593                 eb 02
594         42:     xor    %eax,%eax
595                 31 c0
596         44:     leaveq
597                 c9
598         45:     retq
599                 c3
601 For BPF JIT developers, bpf_jit_disasm, bpf_asm and bpf_dbg provides a useful
602 toolchain for developing and testing the kernel's JIT compiler.
604 BPF kernel internals
605 --------------------
606 Internally, for the kernel interpreter, a different instruction set
607 format with similar underlying principles from BPF described in previous
608 paragraphs is being used. However, the instruction set format is modelled
609 closer to the underlying architecture to mimic native instruction sets, so
610 that a better performance can be achieved (more details later). This new
611 ISA is called 'eBPF' or 'internal BPF' interchangeably. (Note: eBPF which
612 originates from [e]xtended BPF is not the same as BPF extensions! While
613 eBPF is an ISA, BPF extensions date back to classic BPF's 'overloading'
614 of BPF_LD | BPF_{B,H,W} | BPF_ABS instruction.)
616 It is designed to be JITed with one to one mapping, which can also open up
617 the possibility for GCC/LLVM compilers to generate optimized eBPF code through
618 an eBPF backend that performs almost as fast as natively compiled code.
620 The new instruction set was originally designed with the possible goal in
621 mind to write programs in "restricted C" and compile into eBPF with a optional
622 GCC/LLVM backend, so that it can just-in-time map to modern 64-bit CPUs with
623 minimal performance overhead over two steps, that is, C -> eBPF -> native code.
625 Currently, the new format is being used for running user BPF programs, which
626 includes seccomp BPF, classic socket filters, cls_bpf traffic classifier,
627 team driver's classifier for its load-balancing mode, netfilter's xt_bpf
628 extension, PTP dissector/classifier, and much more. They are all internally
629 converted by the kernel into the new instruction set representation and run
630 in the eBPF interpreter. For in-kernel handlers, this all works transparently
631 by using bpf_prog_create() for setting up the filter, resp.
632 bpf_prog_destroy() for destroying it. The macro
633 BPF_PROG_RUN(filter, ctx) transparently invokes eBPF interpreter or JITed
634 code to run the filter. 'filter' is a pointer to struct bpf_prog that we
635 got from bpf_prog_create(), and 'ctx' the given context (e.g.
636 skb pointer). All constraints and restrictions from bpf_check_classic() apply
637 before a conversion to the new layout is being done behind the scenes!
639 Currently, the classic BPF format is being used for JITing on most
640 32-bit architectures, whereas x86-64, aarch64, s390x, powerpc64,
641 sparc64, arm32, riscv64, riscv32 perform JIT compilation from eBPF
642 instruction set.
644 Some core changes of the new internal format:
646 - Number of registers increase from 2 to 10:
648   The old format had two registers A and X, and a hidden frame pointer. The
649   new layout extends this to be 10 internal registers and a read-only frame
650   pointer. Since 64-bit CPUs are passing arguments to functions via registers
651   the number of args from eBPF program to in-kernel function is restricted
652   to 5 and one register is used to accept return value from an in-kernel
653   function. Natively, x86_64 passes first 6 arguments in registers, aarch64/
654   sparcv9/mips64 have 7 - 8 registers for arguments; x86_64 has 6 callee saved
655   registers, and aarch64/sparcv9/mips64 have 11 or more callee saved registers.
657   Therefore, eBPF calling convention is defined as:
659     * R0        - return value from in-kernel function, and exit value for eBPF program
660     * R1 - R5   - arguments from eBPF program to in-kernel function
661     * R6 - R9   - callee saved registers that in-kernel function will preserve
662     * R10       - read-only frame pointer to access stack
664   Thus, all eBPF registers map one to one to HW registers on x86_64, aarch64,
665   etc, and eBPF calling convention maps directly to ABIs used by the kernel on
666   64-bit architectures.
668   On 32-bit architectures JIT may map programs that use only 32-bit arithmetic
669   and may let more complex programs to be interpreted.
671   R0 - R5 are scratch registers and eBPF program needs spill/fill them if
672   necessary across calls. Note that there is only one eBPF program (== one
673   eBPF main routine) and it cannot call other eBPF functions, it can only
674   call predefined in-kernel functions, though.
676 - Register width increases from 32-bit to 64-bit:
678   Still, the semantics of the original 32-bit ALU operations are preserved
679   via 32-bit subregisters. All eBPF registers are 64-bit with 32-bit lower
680   subregisters that zero-extend into 64-bit if they are being written to.
681   That behavior maps directly to x86_64 and arm64 subregister definition, but
682   makes other JITs more difficult.
684   32-bit architectures run 64-bit internal BPF programs via interpreter.
685   Their JITs may convert BPF programs that only use 32-bit subregisters into
686   native instruction set and let the rest being interpreted.
688   Operation is 64-bit, because on 64-bit architectures, pointers are also
689   64-bit wide, and we want to pass 64-bit values in/out of kernel functions,
690   so 32-bit eBPF registers would otherwise require to define register-pair
691   ABI, thus, there won't be able to use a direct eBPF register to HW register
692   mapping and JIT would need to do combine/split/move operations for every
693   register in and out of the function, which is complex, bug prone and slow.
694   Another reason is the use of atomic 64-bit counters.
696 - Conditional jt/jf targets replaced with jt/fall-through:
698   While the original design has constructs such as ``if (cond) jump_true;
699   else jump_false;``, they are being replaced into alternative constructs like
700   ``if (cond) jump_true; /* else fall-through */``.
702 - Introduces bpf_call insn and register passing convention for zero overhead
703   calls from/to other kernel functions:
705   Before an in-kernel function call, the internal BPF program needs to
706   place function arguments into R1 to R5 registers to satisfy calling
707   convention, then the interpreter will take them from registers and pass
708   to in-kernel function. If R1 - R5 registers are mapped to CPU registers
709   that are used for argument passing on given architecture, the JIT compiler
710   doesn't need to emit extra moves. Function arguments will be in the correct
711   registers and BPF_CALL instruction will be JITed as single 'call' HW
712   instruction. This calling convention was picked to cover common call
713   situations without performance penalty.
715   After an in-kernel function call, R1 - R5 are reset to unreadable and R0 has
716   a return value of the function. Since R6 - R9 are callee saved, their state
717   is preserved across the call.
719   For example, consider three C functions::
721     u64 f1() { return (*_f2)(1); }
722     u64 f2(u64 a) { return f3(a + 1, a); }
723     u64 f3(u64 a, u64 b) { return a - b; }
725   GCC can compile f1, f3 into x86_64::
727     f1:
728         movl $1, %edi
729         movq _f2(%rip), %rax
730         jmp  *%rax
731     f3:
732         movq %rdi, %rax
733         subq %rsi, %rax
734         ret
736   Function f2 in eBPF may look like::
738     f2:
739         bpf_mov R2, R1
740         bpf_add R1, 1
741         bpf_call f3
742         bpf_exit
744   If f2 is JITed and the pointer stored to ``_f2``. The calls f1 -> f2 -> f3 and
745   returns will be seamless. Without JIT, __bpf_prog_run() interpreter needs to
746   be used to call into f2.
748   For practical reasons all eBPF programs have only one argument 'ctx' which is
749   already placed into R1 (e.g. on __bpf_prog_run() startup) and the programs
750   can call kernel functions with up to 5 arguments. Calls with 6 or more arguments
751   are currently not supported, but these restrictions can be lifted if necessary
752   in the future.
754   On 64-bit architectures all register map to HW registers one to one. For
755   example, x86_64 JIT compiler can map them as ...
757   ::
759     R0 - rax
760     R1 - rdi
761     R2 - rsi
762     R3 - rdx
763     R4 - rcx
764     R5 - r8
765     R6 - rbx
766     R7 - r13
767     R8 - r14
768     R9 - r15
769     R10 - rbp
771   ... since x86_64 ABI mandates rdi, rsi, rdx, rcx, r8, r9 for argument passing
772   and rbx, r12 - r15 are callee saved.
774   Then the following internal BPF pseudo-program::
776     bpf_mov R6, R1 /* save ctx */
777     bpf_mov R2, 2
778     bpf_mov R3, 3
779     bpf_mov R4, 4
780     bpf_mov R5, 5
781     bpf_call foo
782     bpf_mov R7, R0 /* save foo() return value */
783     bpf_mov R1, R6 /* restore ctx for next call */
784     bpf_mov R2, 6
785     bpf_mov R3, 7
786     bpf_mov R4, 8
787     bpf_mov R5, 9
788     bpf_call bar
789     bpf_add R0, R7
790     bpf_exit
792   After JIT to x86_64 may look like::
794     push %rbp
795     mov %rsp,%rbp
796     sub $0x228,%rsp
797     mov %rbx,-0x228(%rbp)
798     mov %r13,-0x220(%rbp)
799     mov %rdi,%rbx
800     mov $0x2,%esi
801     mov $0x3,%edx
802     mov $0x4,%ecx
803     mov $0x5,%r8d
804     callq foo
805     mov %rax,%r13
806     mov %rbx,%rdi
807     mov $0x6,%esi
808     mov $0x7,%edx
809     mov $0x8,%ecx
810     mov $0x9,%r8d
811     callq bar
812     add %r13,%rax
813     mov -0x228(%rbp),%rbx
814     mov -0x220(%rbp),%r13
815     leaveq
816     retq
818   Which is in this example equivalent in C to::
820     u64 bpf_filter(u64 ctx)
821     {
822         return foo(ctx, 2, 3, 4, 5) + bar(ctx, 6, 7, 8, 9);
823     }
825   In-kernel functions foo() and bar() with prototype: u64 (*)(u64 arg1, u64
826   arg2, u64 arg3, u64 arg4, u64 arg5); will receive arguments in proper
827   registers and place their return value into ``%rax`` which is R0 in eBPF.
828   Prologue and epilogue are emitted by JIT and are implicit in the
829   interpreter. R0-R5 are scratch registers, so eBPF program needs to preserve
830   them across the calls as defined by calling convention.
832   For example the following program is invalid::
834     bpf_mov R1, 1
835     bpf_call foo
836     bpf_mov R0, R1
837     bpf_exit
839   After the call the registers R1-R5 contain junk values and cannot be read.
840   An in-kernel eBPF verifier is used to validate internal BPF programs.
842 Also in the new design, eBPF is limited to 4096 insns, which means that any
843 program will terminate quickly and will only call a fixed number of kernel
844 functions. Original BPF and the new format are two operand instructions,
845 which helps to do one-to-one mapping between eBPF insn and x86 insn during JIT.
847 The input context pointer for invoking the interpreter function is generic,
848 its content is defined by a specific use case. For seccomp register R1 points
849 to seccomp_data, for converted BPF filters R1 points to a skb.
851 A program, that is translated internally consists of the following elements::
853   op:16, jt:8, jf:8, k:32    ==>    op:8, dst_reg:4, src_reg:4, off:16, imm:32
855 So far 87 internal BPF instructions were implemented. 8-bit 'op' opcode field
856 has room for new instructions. Some of them may use 16/24/32 byte encoding. New
857 instructions must be multiple of 8 bytes to preserve backward compatibility.
859 Internal BPF is a general purpose RISC instruction set. Not every register and
860 every instruction are used during translation from original BPF to new format.
861 For example, socket filters are not using ``exclusive add`` instruction, but
862 tracing filters may do to maintain counters of events, for example. Register R9
863 is not used by socket filters either, but more complex filters may be running
864 out of registers and would have to resort to spill/fill to stack.
866 Internal BPF can be used as a generic assembler for last step performance
867 optimizations, socket filters and seccomp are using it as assembler. Tracing
868 filters may use it as assembler to generate code from kernel. In kernel usage
869 may not be bounded by security considerations, since generated internal BPF code
870 may be optimizing internal code path and not being exposed to the user space.
871 Safety of internal BPF can come from a verifier (TBD). In such use cases as
872 described, it may be used as safe instruction set.
874 Just like the original BPF, the new format runs within a controlled environment,
875 is deterministic and the kernel can easily prove that. The safety of the program
876 can be determined in two steps: first step does depth-first-search to disallow
877 loops and other CFG validation; second step starts from the first insn and
878 descends all possible paths. It simulates execution of every insn and observes
879 the state change of registers and stack.
881 eBPF opcode encoding
882 --------------------
884 eBPF is reusing most of the opcode encoding from classic to simplify conversion
885 of classic BPF to eBPF. For arithmetic and jump instructions the 8-bit 'code'
886 field is divided into three parts::
888   +----------------+--------+--------------------+
889   |   4 bits       |  1 bit |   3 bits           |
890   | operation code | source | instruction class  |
891   +----------------+--------+--------------------+
892   (MSB)                                      (LSB)
894 Three LSB bits store instruction class which is one of:
896   ===================     ===============
897   Classic BPF classes     eBPF classes
898   ===================     ===============
899   BPF_LD    0x00          BPF_LD    0x00
900   BPF_LDX   0x01          BPF_LDX   0x01
901   BPF_ST    0x02          BPF_ST    0x02
902   BPF_STX   0x03          BPF_STX   0x03
903   BPF_ALU   0x04          BPF_ALU   0x04
904   BPF_JMP   0x05          BPF_JMP   0x05
905   BPF_RET   0x06          BPF_JMP32 0x06
906   BPF_MISC  0x07          BPF_ALU64 0x07
907   ===================     ===============
909 When BPF_CLASS(code) == BPF_ALU or BPF_JMP, 4th bit encodes source operand ...
911     ::
913         BPF_K     0x00
914         BPF_X     0x08
916  * in classic BPF, this means::
918         BPF_SRC(code) == BPF_X - use register X as source operand
919         BPF_SRC(code) == BPF_K - use 32-bit immediate as source operand
921  * in eBPF, this means::
923         BPF_SRC(code) == BPF_X - use 'src_reg' register as source operand
924         BPF_SRC(code) == BPF_K - use 32-bit immediate as source operand
926 ... and four MSB bits store operation code.
928 If BPF_CLASS(code) == BPF_ALU or BPF_ALU64 [ in eBPF ], BPF_OP(code) is one of::
930   BPF_ADD   0x00
931   BPF_SUB   0x10
932   BPF_MUL   0x20
933   BPF_DIV   0x30
934   BPF_OR    0x40
935   BPF_AND   0x50
936   BPF_LSH   0x60
937   BPF_RSH   0x70
938   BPF_NEG   0x80
939   BPF_MOD   0x90
940   BPF_XOR   0xa0
941   BPF_MOV   0xb0  /* eBPF only: mov reg to reg */
942   BPF_ARSH  0xc0  /* eBPF only: sign extending shift right */
943   BPF_END   0xd0  /* eBPF only: endianness conversion */
945 If BPF_CLASS(code) == BPF_JMP or BPF_JMP32 [ in eBPF ], BPF_OP(code) is one of::
947   BPF_JA    0x00  /* BPF_JMP only */
948   BPF_JEQ   0x10
949   BPF_JGT   0x20
950   BPF_JGE   0x30
951   BPF_JSET  0x40
952   BPF_JNE   0x50  /* eBPF only: jump != */
953   BPF_JSGT  0x60  /* eBPF only: signed '>' */
954   BPF_JSGE  0x70  /* eBPF only: signed '>=' */
955   BPF_CALL  0x80  /* eBPF BPF_JMP only: function call */
956   BPF_EXIT  0x90  /* eBPF BPF_JMP only: function return */
957   BPF_JLT   0xa0  /* eBPF only: unsigned '<' */
958   BPF_JLE   0xb0  /* eBPF only: unsigned '<=' */
959   BPF_JSLT  0xc0  /* eBPF only: signed '<' */
960   BPF_JSLE  0xd0  /* eBPF only: signed '<=' */
962 So BPF_ADD | BPF_X | BPF_ALU means 32-bit addition in both classic BPF
963 and eBPF. There are only two registers in classic BPF, so it means A += X.
964 In eBPF it means dst_reg = (u32) dst_reg + (u32) src_reg; similarly,
965 BPF_XOR | BPF_K | BPF_ALU means A ^= imm32 in classic BPF and analogous
966 src_reg = (u32) src_reg ^ (u32) imm32 in eBPF.
968 Classic BPF is using BPF_MISC class to represent A = X and X = A moves.
969 eBPF is using BPF_MOV | BPF_X | BPF_ALU code instead. Since there are no
970 BPF_MISC operations in eBPF, the class 7 is used as BPF_ALU64 to mean
971 exactly the same operations as BPF_ALU, but with 64-bit wide operands
972 instead. So BPF_ADD | BPF_X | BPF_ALU64 means 64-bit addition, i.e.:
973 dst_reg = dst_reg + src_reg
975 Classic BPF wastes the whole BPF_RET class to represent a single ``ret``
976 operation. Classic BPF_RET | BPF_K means copy imm32 into return register
977 and perform function exit. eBPF is modeled to match CPU, so BPF_JMP | BPF_EXIT
978 in eBPF means function exit only. The eBPF program needs to store return
979 value into register R0 before doing a BPF_EXIT. Class 6 in eBPF is used as
980 BPF_JMP32 to mean exactly the same operations as BPF_JMP, but with 32-bit wide
981 operands for the comparisons instead.
983 For load and store instructions the 8-bit 'code' field is divided as::
985   +--------+--------+-------------------+
986   | 3 bits | 2 bits |   3 bits          |
987   |  mode  |  size  | instruction class |
988   +--------+--------+-------------------+
989   (MSB)                             (LSB)
991 Size modifier is one of ...
995   BPF_W   0x00    /* word */
996   BPF_H   0x08    /* half word */
997   BPF_B   0x10    /* byte */
998   BPF_DW  0x18    /* eBPF only, double word */
1000 ... which encodes size of load/store operation::
1002  B  - 1 byte
1003  H  - 2 byte
1004  W  - 4 byte
1005  DW - 8 byte (eBPF only)
1007 Mode modifier is one of::
1009   BPF_IMM  0x00  /* used for 32-bit mov in classic BPF and 64-bit in eBPF */
1010   BPF_ABS  0x20
1011   BPF_IND  0x40
1012   BPF_MEM  0x60
1013   BPF_LEN  0x80  /* classic BPF only, reserved in eBPF */
1014   BPF_MSH  0xa0  /* classic BPF only, reserved in eBPF */
1015   BPF_XADD 0xc0  /* eBPF only, exclusive add */
1017 eBPF has two non-generic instructions: (BPF_ABS | <size> | BPF_LD) and
1018 (BPF_IND | <size> | BPF_LD) which are used to access packet data.
1020 They had to be carried over from classic to have strong performance of
1021 socket filters running in eBPF interpreter. These instructions can only
1022 be used when interpreter context is a pointer to ``struct sk_buff`` and
1023 have seven implicit operands. Register R6 is an implicit input that must
1024 contain pointer to sk_buff. Register R0 is an implicit output which contains
1025 the data fetched from the packet. Registers R1-R5 are scratch registers
1026 and must not be used to store the data across BPF_ABS | BPF_LD or
1027 BPF_IND | BPF_LD instructions.
1029 These instructions have implicit program exit condition as well. When
1030 eBPF program is trying to access the data beyond the packet boundary,
1031 the interpreter will abort the execution of the program. JIT compilers
1032 therefore must preserve this property. src_reg and imm32 fields are
1033 explicit inputs to these instructions.
1035 For example::
1037   BPF_IND | BPF_W | BPF_LD means:
1039     R0 = ntohl(*(u32 *) (((struct sk_buff *) R6)->data + src_reg + imm32))
1040     and R1 - R5 were scratched.
1042 Unlike classic BPF instruction set, eBPF has generic load/store operations::
1044     BPF_MEM | <size> | BPF_STX:  *(size *) (dst_reg + off) = src_reg
1045     BPF_MEM | <size> | BPF_ST:   *(size *) (dst_reg + off) = imm32
1046     BPF_MEM | <size> | BPF_LDX:  dst_reg = *(size *) (src_reg + off)
1047     BPF_XADD | BPF_W  | BPF_STX: lock xadd *(u32 *)(dst_reg + off16) += src_reg
1048     BPF_XADD | BPF_DW | BPF_STX: lock xadd *(u64 *)(dst_reg + off16) += src_reg
1050 Where size is one of: BPF_B or BPF_H or BPF_W or BPF_DW. Note that 1 and
1051 2 byte atomic increments are not supported.
1053 eBPF has one 16-byte instruction: BPF_LD | BPF_DW | BPF_IMM which consists
1054 of two consecutive ``struct bpf_insn`` 8-byte blocks and interpreted as single
1055 instruction that loads 64-bit immediate value into a dst_reg.
1056 Classic BPF has similar instruction: BPF_LD | BPF_W | BPF_IMM which loads
1057 32-bit immediate value into a register.
1059 eBPF verifier
1060 -------------
1061 The safety of the eBPF program is determined in two steps.
1063 First step does DAG check to disallow loops and other CFG validation.
1064 In particular it will detect programs that have unreachable instructions.
1065 (though classic BPF checker allows them)
1067 Second step starts from the first insn and descends all possible paths.
1068 It simulates execution of every insn and observes the state change of
1069 registers and stack.
1071 At the start of the program the register R1 contains a pointer to context
1072 and has type PTR_TO_CTX.
1073 If verifier sees an insn that does R2=R1, then R2 has now type
1074 PTR_TO_CTX as well and can be used on the right hand side of expression.
1075 If R1=PTR_TO_CTX and insn is R2=R1+R1, then R2=SCALAR_VALUE,
1076 since addition of two valid pointers makes invalid pointer.
1077 (In 'secure' mode verifier will reject any type of pointer arithmetic to make
1078 sure that kernel addresses don't leak to unprivileged users)
1080 If register was never written to, it's not readable::
1082   bpf_mov R0 = R2
1083   bpf_exit
1085 will be rejected, since R2 is unreadable at the start of the program.
1087 After kernel function call, R1-R5 are reset to unreadable and
1088 R0 has a return type of the function.
1090 Since R6-R9 are callee saved, their state is preserved across the call.
1094   bpf_mov R6 = 1
1095   bpf_call foo
1096   bpf_mov R0 = R6
1097   bpf_exit
1099 is a correct program. If there was R1 instead of R6, it would have
1100 been rejected.
1102 load/store instructions are allowed only with registers of valid types, which
1103 are PTR_TO_CTX, PTR_TO_MAP, PTR_TO_STACK. They are bounds and alignment checked.
1104 For example::
1106  bpf_mov R1 = 1
1107  bpf_mov R2 = 2
1108  bpf_xadd *(u32 *)(R1 + 3) += R2
1109  bpf_exit
1111 will be rejected, since R1 doesn't have a valid pointer type at the time of
1112 execution of instruction bpf_xadd.
1114 At the start R1 type is PTR_TO_CTX (a pointer to generic ``struct bpf_context``)
1115 A callback is used to customize verifier to restrict eBPF program access to only
1116 certain fields within ctx structure with specified size and alignment.
1118 For example, the following insn::
1120   bpf_ld R0 = *(u32 *)(R6 + 8)
1122 intends to load a word from address R6 + 8 and store it into R0
1123 If R6=PTR_TO_CTX, via is_valid_access() callback the verifier will know
1124 that offset 8 of size 4 bytes can be accessed for reading, otherwise
1125 the verifier will reject the program.
1126 If R6=PTR_TO_STACK, then access should be aligned and be within
1127 stack bounds, which are [-MAX_BPF_STACK, 0). In this example offset is 8,
1128 so it will fail verification, since it's out of bounds.
1130 The verifier will allow eBPF program to read data from stack only after
1131 it wrote into it.
1133 Classic BPF verifier does similar check with M[0-15] memory slots.
1134 For example::
1136   bpf_ld R0 = *(u32 *)(R10 - 4)
1137   bpf_exit
1139 is invalid program.
1140 Though R10 is correct read-only register and has type PTR_TO_STACK
1141 and R10 - 4 is within stack bounds, there were no stores into that location.
1143 Pointer register spill/fill is tracked as well, since four (R6-R9)
1144 callee saved registers may not be enough for some programs.
1146 Allowed function calls are customized with bpf_verifier_ops->get_func_proto()
1147 The eBPF verifier will check that registers match argument constraints.
1148 After the call register R0 will be set to return type of the function.
1150 Function calls is a main mechanism to extend functionality of eBPF programs.
1151 Socket filters may let programs to call one set of functions, whereas tracing
1152 filters may allow completely different set.
1154 If a function made accessible to eBPF program, it needs to be thought through
1155 from safety point of view. The verifier will guarantee that the function is
1156 called with valid arguments.
1158 seccomp vs socket filters have different security restrictions for classic BPF.
1159 Seccomp solves this by two stage verifier: classic BPF verifier is followed
1160 by seccomp verifier. In case of eBPF one configurable verifier is shared for
1161 all use cases.
1163 See details of eBPF verifier in kernel/bpf/verifier.c
1165 Register value tracking
1166 -----------------------
1167 In order to determine the safety of an eBPF program, the verifier must track
1168 the range of possible values in each register and also in each stack slot.
1169 This is done with ``struct bpf_reg_state``, defined in include/linux/
1170 bpf_verifier.h, which unifies tracking of scalar and pointer values.  Each
1171 register state has a type, which is either NOT_INIT (the register has not been
1172 written to), SCALAR_VALUE (some value which is not usable as a pointer), or a
1173 pointer type.  The types of pointers describe their base, as follows:
1176     PTR_TO_CTX
1177                         Pointer to bpf_context.
1178     CONST_PTR_TO_MAP
1179                         Pointer to struct bpf_map.  "Const" because arithmetic
1180                         on these pointers is forbidden.
1181     PTR_TO_MAP_VALUE
1182                         Pointer to the value stored in a map element.
1183     PTR_TO_MAP_VALUE_OR_NULL
1184                         Either a pointer to a map value, or NULL; map accesses
1185                         (see section 'eBPF maps', below) return this type,
1186                         which becomes a PTR_TO_MAP_VALUE when checked != NULL.
1187                         Arithmetic on these pointers is forbidden.
1188     PTR_TO_STACK
1189                         Frame pointer.
1190     PTR_TO_PACKET
1191                         skb->data.
1192     PTR_TO_PACKET_END
1193                         skb->data + headlen; arithmetic forbidden.
1194     PTR_TO_SOCKET
1195                         Pointer to struct bpf_sock_ops, implicitly refcounted.
1196     PTR_TO_SOCKET_OR_NULL
1197                         Either a pointer to a socket, or NULL; socket lookup
1198                         returns this type, which becomes a PTR_TO_SOCKET when
1199                         checked != NULL. PTR_TO_SOCKET is reference-counted,
1200                         so programs must release the reference through the
1201                         socket release function before the end of the program.
1202                         Arithmetic on these pointers is forbidden.
1204 However, a pointer may be offset from this base (as a result of pointer
1205 arithmetic), and this is tracked in two parts: the 'fixed offset' and 'variable
1206 offset'.  The former is used when an exactly-known value (e.g. an immediate
1207 operand) is added to a pointer, while the latter is used for values which are
1208 not exactly known.  The variable offset is also used in SCALAR_VALUEs, to track
1209 the range of possible values in the register.
1211 The verifier's knowledge about the variable offset consists of:
1213 * minimum and maximum values as unsigned
1214 * minimum and maximum values as signed
1216 * knowledge of the values of individual bits, in the form of a 'tnum': a u64
1217   'mask' and a u64 'value'.  1s in the mask represent bits whose value is unknown;
1218   1s in the value represent bits known to be 1.  Bits known to be 0 have 0 in both
1219   mask and value; no bit should ever be 1 in both.  For example, if a byte is read
1220   into a register from memory, the register's top 56 bits are known zero, while
1221   the low 8 are unknown - which is represented as the tnum (0x0; 0xff).  If we
1222   then OR this with 0x40, we get (0x40; 0xbf), then if we add 1 we get (0x0;
1223   0x1ff), because of potential carries.
1225 Besides arithmetic, the register state can also be updated by conditional
1226 branches.  For instance, if a SCALAR_VALUE is compared > 8, in the 'true' branch
1227 it will have a umin_value (unsigned minimum value) of 9, whereas in the 'false'
1228 branch it will have a umax_value of 8.  A signed compare (with BPF_JSGT or
1229 BPF_JSGE) would instead update the signed minimum/maximum values.  Information
1230 from the signed and unsigned bounds can be combined; for instance if a value is
1231 first tested < 8 and then tested s> 4, the verifier will conclude that the value
1232 is also > 4 and s< 8, since the bounds prevent crossing the sign boundary.
1234 PTR_TO_PACKETs with a variable offset part have an 'id', which is common to all
1235 pointers sharing that same variable offset.  This is important for packet range
1236 checks: after adding a variable to a packet pointer register A, if you then copy
1237 it to another register B and then add a constant 4 to A, both registers will
1238 share the same 'id' but the A will have a fixed offset of +4.  Then if A is
1239 bounds-checked and found to be less than a PTR_TO_PACKET_END, the register B is
1240 now known to have a safe range of at least 4 bytes.  See 'Direct packet access',
1241 below, for more on PTR_TO_PACKET ranges.
1243 The 'id' field is also used on PTR_TO_MAP_VALUE_OR_NULL, common to all copies of
1244 the pointer returned from a map lookup.  This means that when one copy is
1245 checked and found to be non-NULL, all copies can become PTR_TO_MAP_VALUEs.
1246 As well as range-checking, the tracked information is also used for enforcing
1247 alignment of pointer accesses.  For instance, on most systems the packet pointer
1248 is 2 bytes after a 4-byte alignment.  If a program adds 14 bytes to that to jump
1249 over the Ethernet header, then reads IHL and addes (IHL * 4), the resulting
1250 pointer will have a variable offset known to be 4n+2 for some n, so adding the 2
1251 bytes (NET_IP_ALIGN) gives a 4-byte alignment and so word-sized accesses through
1252 that pointer are safe.
1253 The 'id' field is also used on PTR_TO_SOCKET and PTR_TO_SOCKET_OR_NULL, common
1254 to all copies of the pointer returned from a socket lookup. This has similar
1255 behaviour to the handling for PTR_TO_MAP_VALUE_OR_NULL->PTR_TO_MAP_VALUE, but
1256 it also handles reference tracking for the pointer. PTR_TO_SOCKET implicitly
1257 represents a reference to the corresponding ``struct sock``. To ensure that the
1258 reference is not leaked, it is imperative to NULL-check the reference and in
1259 the non-NULL case, and pass the valid reference to the socket release function.
1261 Direct packet access
1262 --------------------
1263 In cls_bpf and act_bpf programs the verifier allows direct access to the packet
1264 data via skb->data and skb->data_end pointers.
1265 Ex::
1267     1:  r4 = *(u32 *)(r1 +80)  /* load skb->data_end */
1268     2:  r3 = *(u32 *)(r1 +76)  /* load skb->data */
1269     3:  r5 = r3
1270     4:  r5 += 14
1271     5:  if r5 > r4 goto pc+16
1272     R1=ctx R3=pkt(id=0,off=0,r=14) R4=pkt_end R5=pkt(id=0,off=14,r=14) R10=fp
1273     6:  r0 = *(u16 *)(r3 +12) /* access 12 and 13 bytes of the packet */
1275 this 2byte load from the packet is safe to do, since the program author
1276 did check ``if (skb->data + 14 > skb->data_end) goto err`` at insn #5 which
1277 means that in the fall-through case the register R3 (which points to skb->data)
1278 has at least 14 directly accessible bytes. The verifier marks it
1279 as R3=pkt(id=0,off=0,r=14).
1280 id=0 means that no additional variables were added to the register.
1281 off=0 means that no additional constants were added.
1282 r=14 is the range of safe access which means that bytes [R3, R3 + 14) are ok.
1283 Note that R5 is marked as R5=pkt(id=0,off=14,r=14). It also points
1284 to the packet data, but constant 14 was added to the register, so
1285 it now points to ``skb->data + 14`` and accessible range is [R5, R5 + 14 - 14)
1286 which is zero bytes.
1288 More complex packet access may look like::
1291     R0=inv1 R1=ctx R3=pkt(id=0,off=0,r=14) R4=pkt_end R5=pkt(id=0,off=14,r=14) R10=fp
1292     6:  r0 = *(u8 *)(r3 +7) /* load 7th byte from the packet */
1293     7:  r4 = *(u8 *)(r3 +12)
1294     8:  r4 *= 14
1295     9:  r3 = *(u32 *)(r1 +76) /* load skb->data */
1296     10:  r3 += r4
1297     11:  r2 = r1
1298     12:  r2 <<= 48
1299     13:  r2 >>= 48
1300     14:  r3 += r2
1301     15:  r2 = r3
1302     16:  r2 += 8
1303     17:  r1 = *(u32 *)(r1 +80) /* load skb->data_end */
1304     18:  if r2 > r1 goto pc+2
1305     R0=inv(id=0,umax_value=255,var_off=(0x0; 0xff)) R1=pkt_end R2=pkt(id=2,off=8,r=8) R3=pkt(id=2,off=0,r=8) R4=inv(id=0,umax_value=3570,var_off=(0x0; 0xfffe)) R5=pkt(id=0,off=14,r=14) R10=fp
1306     19:  r1 = *(u8 *)(r3 +4)
1308 The state of the register R3 is R3=pkt(id=2,off=0,r=8)
1309 id=2 means that two ``r3 += rX`` instructions were seen, so r3 points to some
1310 offset within a packet and since the program author did
1311 ``if (r3 + 8 > r1) goto err`` at insn #18, the safe range is [R3, R3 + 8).
1312 The verifier only allows 'add'/'sub' operations on packet registers. Any other
1313 operation will set the register state to 'SCALAR_VALUE' and it won't be
1314 available for direct packet access.
1316 Operation ``r3 += rX`` may overflow and become less than original skb->data,
1317 therefore the verifier has to prevent that.  So when it sees ``r3 += rX``
1318 instruction and rX is more than 16-bit value, any subsequent bounds-check of r3
1319 against skb->data_end will not give us 'range' information, so attempts to read
1320 through the pointer will give "invalid access to packet" error.
1322 Ex. after insn ``r4 = *(u8 *)(r3 +12)`` (insn #7 above) the state of r4 is
1323 R4=inv(id=0,umax_value=255,var_off=(0x0; 0xff)) which means that upper 56 bits
1324 of the register are guaranteed to be zero, and nothing is known about the lower
1325 8 bits. After insn ``r4 *= 14`` the state becomes
1326 R4=inv(id=0,umax_value=3570,var_off=(0x0; 0xfffe)), since multiplying an 8-bit
1327 value by constant 14 will keep upper 52 bits as zero, also the least significant
1328 bit will be zero as 14 is even.  Similarly ``r2 >>= 48`` will make
1329 R2=inv(id=0,umax_value=65535,var_off=(0x0; 0xffff)), since the shift is not sign
1330 extending.  This logic is implemented in adjust_reg_min_max_vals() function,
1331 which calls adjust_ptr_min_max_vals() for adding pointer to scalar (or vice
1332 versa) and adjust_scalar_min_max_vals() for operations on two scalars.
1334 The end result is that bpf program author can access packet directly
1335 using normal C code as::
1337   void *data = (void *)(long)skb->data;
1338   void *data_end = (void *)(long)skb->data_end;
1339   struct eth_hdr *eth = data;
1340   struct iphdr *iph = data + sizeof(*eth);
1341   struct udphdr *udp = data + sizeof(*eth) + sizeof(*iph);
1343   if (data + sizeof(*eth) + sizeof(*iph) + sizeof(*udp) > data_end)
1344           return 0;
1345   if (eth->h_proto != htons(ETH_P_IP))
1346           return 0;
1347   if (iph->protocol != IPPROTO_UDP || iph->ihl != 5)
1348           return 0;
1349   if (udp->dest == 53 || udp->source == 9)
1350           ...;
1352 which makes such programs easier to write comparing to LD_ABS insn
1353 and significantly faster.
1355 eBPF maps
1356 ---------
1357 'maps' is a generic storage of different types for sharing data between kernel
1358 and userspace.
1360 The maps are accessed from user space via BPF syscall, which has commands:
1362 - create a map with given type and attributes
1363   ``map_fd = bpf(BPF_MAP_CREATE, union bpf_attr *attr, u32 size)``
1364   using attr->map_type, attr->key_size, attr->value_size, attr->max_entries
1365   returns process-local file descriptor or negative error
1367 - lookup key in a given map
1368   ``err = bpf(BPF_MAP_LOOKUP_ELEM, union bpf_attr *attr, u32 size)``
1369   using attr->map_fd, attr->key, attr->value
1370   returns zero and stores found elem into value or negative error
1372 - create or update key/value pair in a given map
1373   ``err = bpf(BPF_MAP_UPDATE_ELEM, union bpf_attr *attr, u32 size)``
1374   using attr->map_fd, attr->key, attr->value
1375   returns zero or negative error
1377 - find and delete element by key in a given map
1378   ``err = bpf(BPF_MAP_DELETE_ELEM, union bpf_attr *attr, u32 size)``
1379   using attr->map_fd, attr->key
1381 - to delete map: close(fd)
1382   Exiting process will delete maps automatically
1384 userspace programs use this syscall to create/access maps that eBPF programs
1385 are concurrently updating.
1387 maps can have different types: hash, array, bloom filter, radix-tree, etc.
1389 The map is defined by:
1391   - type
1392   - max number of elements
1393   - key size in bytes
1394   - value size in bytes
1396 Pruning
1397 -------
1398 The verifier does not actually walk all possible paths through the program.  For
1399 each new branch to analyse, the verifier looks at all the states it's previously
1400 been in when at this instruction.  If any of them contain the current state as a
1401 subset, the branch is 'pruned' - that is, the fact that the previous state was
1402 accepted implies the current state would be as well.  For instance, if in the
1403 previous state, r1 held a packet-pointer, and in the current state, r1 holds a
1404 packet-pointer with a range as long or longer and at least as strict an
1405 alignment, then r1 is safe.  Similarly, if r2 was NOT_INIT before then it can't
1406 have been used by any path from that point, so any value in r2 (including
1407 another NOT_INIT) is safe.  The implementation is in the function regsafe().
1408 Pruning considers not only the registers but also the stack (and any spilled
1409 registers it may hold).  They must all be safe for the branch to be pruned.
1410 This is implemented in states_equal().
1412 Understanding eBPF verifier messages
1413 ------------------------------------
1415 The following are few examples of invalid eBPF programs and verifier error
1416 messages as seen in the log:
1418 Program with unreachable instructions::
1420   static struct bpf_insn prog[] = {
1421   BPF_EXIT_INSN(),
1422   BPF_EXIT_INSN(),
1423   };
1425 Error:
1427   unreachable insn 1
1429 Program that reads uninitialized register::
1431   BPF_MOV64_REG(BPF_REG_0, BPF_REG_2),
1432   BPF_EXIT_INSN(),
1434 Error::
1436   0: (bf) r0 = r2
1437   R2 !read_ok
1439 Program that doesn't initialize R0 before exiting::
1441   BPF_MOV64_REG(BPF_REG_2, BPF_REG_1),
1442   BPF_EXIT_INSN(),
1444 Error::
1446   0: (bf) r2 = r1
1447   1: (95) exit
1448   R0 !read_ok
1450 Program that accesses stack out of bounds::
1452     BPF_ST_MEM(BPF_DW, BPF_REG_10, 8, 0),
1453     BPF_EXIT_INSN(),
1455 Error::
1457     0: (7a) *(u64 *)(r10 +8) = 0
1458     invalid stack off=8 size=8
1460 Program that doesn't initialize stack before passing its address into function::
1462   BPF_MOV64_REG(BPF_REG_2, BPF_REG_10),
1463   BPF_ALU64_IMM(BPF_ADD, BPF_REG_2, -8),
1464   BPF_LD_MAP_FD(BPF_REG_1, 0),
1465   BPF_RAW_INSN(BPF_JMP | BPF_CALL, 0, 0, 0, BPF_FUNC_map_lookup_elem),
1466   BPF_EXIT_INSN(),
1468 Error::
1470   0: (bf) r2 = r10
1471   1: (07) r2 += -8
1472   2: (b7) r1 = 0x0
1473   3: (85) call 1
1474   invalid indirect read from stack off -8+0 size 8
1476 Program that uses invalid map_fd=0 while calling to map_lookup_elem() function::
1478   BPF_ST_MEM(BPF_DW, BPF_REG_10, -8, 0),
1479   BPF_MOV64_REG(BPF_REG_2, BPF_REG_10),
1480   BPF_ALU64_IMM(BPF_ADD, BPF_REG_2, -8),
1481   BPF_LD_MAP_FD(BPF_REG_1, 0),
1482   BPF_RAW_INSN(BPF_JMP | BPF_CALL, 0, 0, 0, BPF_FUNC_map_lookup_elem),
1483   BPF_EXIT_INSN(),
1485 Error::
1487   0: (7a) *(u64 *)(r10 -8) = 0
1488   1: (bf) r2 = r10
1489   2: (07) r2 += -8
1490   3: (b7) r1 = 0x0
1491   4: (85) call 1
1492   fd 0 is not pointing to valid bpf_map
1494 Program that doesn't check return value of map_lookup_elem() before accessing
1495 map element::
1497   BPF_ST_MEM(BPF_DW, BPF_REG_10, -8, 0),
1498   BPF_MOV64_REG(BPF_REG_2, BPF_REG_10),
1499   BPF_ALU64_IMM(BPF_ADD, BPF_REG_2, -8),
1500   BPF_LD_MAP_FD(BPF_REG_1, 0),
1501   BPF_RAW_INSN(BPF_JMP | BPF_CALL, 0, 0, 0, BPF_FUNC_map_lookup_elem),
1502   BPF_ST_MEM(BPF_DW, BPF_REG_0, 0, 0),
1503   BPF_EXIT_INSN(),
1505 Error::
1507   0: (7a) *(u64 *)(r10 -8) = 0
1508   1: (bf) r2 = r10
1509   2: (07) r2 += -8
1510   3: (b7) r1 = 0x0
1511   4: (85) call 1
1512   5: (7a) *(u64 *)(r0 +0) = 0
1513   R0 invalid mem access 'map_value_or_null'
1515 Program that correctly checks map_lookup_elem() returned value for NULL, but
1516 accesses the memory with incorrect alignment::
1518   BPF_ST_MEM(BPF_DW, BPF_REG_10, -8, 0),
1519   BPF_MOV64_REG(BPF_REG_2, BPF_REG_10),
1520   BPF_ALU64_IMM(BPF_ADD, BPF_REG_2, -8),
1521   BPF_LD_MAP_FD(BPF_REG_1, 0),
1522   BPF_RAW_INSN(BPF_JMP | BPF_CALL, 0, 0, 0, BPF_FUNC_map_lookup_elem),
1523   BPF_JMP_IMM(BPF_JEQ, BPF_REG_0, 0, 1),
1524   BPF_ST_MEM(BPF_DW, BPF_REG_0, 4, 0),
1525   BPF_EXIT_INSN(),
1527 Error::
1529   0: (7a) *(u64 *)(r10 -8) = 0
1530   1: (bf) r2 = r10
1531   2: (07) r2 += -8
1532   3: (b7) r1 = 1
1533   4: (85) call 1
1534   5: (15) if r0 == 0x0 goto pc+1
1535    R0=map_ptr R10=fp
1536   6: (7a) *(u64 *)(r0 +4) = 0
1537   misaligned access off 4 size 8
1539 Program that correctly checks map_lookup_elem() returned value for NULL and
1540 accesses memory with correct alignment in one side of 'if' branch, but fails
1541 to do so in the other side of 'if' branch::
1543   BPF_ST_MEM(BPF_DW, BPF_REG_10, -8, 0),
1544   BPF_MOV64_REG(BPF_REG_2, BPF_REG_10),
1545   BPF_ALU64_IMM(BPF_ADD, BPF_REG_2, -8),
1546   BPF_LD_MAP_FD(BPF_REG_1, 0),
1547   BPF_RAW_INSN(BPF_JMP | BPF_CALL, 0, 0, 0, BPF_FUNC_map_lookup_elem),
1548   BPF_JMP_IMM(BPF_JEQ, BPF_REG_0, 0, 2),
1549   BPF_ST_MEM(BPF_DW, BPF_REG_0, 0, 0),
1550   BPF_EXIT_INSN(),
1551   BPF_ST_MEM(BPF_DW, BPF_REG_0, 0, 1),
1552   BPF_EXIT_INSN(),
1554 Error::
1556   0: (7a) *(u64 *)(r10 -8) = 0
1557   1: (bf) r2 = r10
1558   2: (07) r2 += -8
1559   3: (b7) r1 = 1
1560   4: (85) call 1
1561   5: (15) if r0 == 0x0 goto pc+2
1562    R0=map_ptr R10=fp
1563   6: (7a) *(u64 *)(r0 +0) = 0
1564   7: (95) exit
1566   from 5 to 8: R0=imm0 R10=fp
1567   8: (7a) *(u64 *)(r0 +0) = 1
1568   R0 invalid mem access 'imm'
1570 Program that performs a socket lookup then sets the pointer to NULL without
1571 checking it::
1573   BPF_MOV64_IMM(BPF_REG_2, 0),
1574   BPF_STX_MEM(BPF_W, BPF_REG_10, BPF_REG_2, -8),
1575   BPF_MOV64_REG(BPF_REG_2, BPF_REG_10),
1576   BPF_ALU64_IMM(BPF_ADD, BPF_REG_2, -8),
1577   BPF_MOV64_IMM(BPF_REG_3, 4),
1578   BPF_MOV64_IMM(BPF_REG_4, 0),
1579   BPF_MOV64_IMM(BPF_REG_5, 0),
1580   BPF_EMIT_CALL(BPF_FUNC_sk_lookup_tcp),
1581   BPF_MOV64_IMM(BPF_REG_0, 0),
1582   BPF_EXIT_INSN(),
1584 Error::
1586   0: (b7) r2 = 0
1587   1: (63) *(u32 *)(r10 -8) = r2
1588   2: (bf) r2 = r10
1589   3: (07) r2 += -8
1590   4: (b7) r3 = 4
1591   5: (b7) r4 = 0
1592   6: (b7) r5 = 0
1593   7: (85) call bpf_sk_lookup_tcp#65
1594   8: (b7) r0 = 0
1595   9: (95) exit
1596   Unreleased reference id=1, alloc_insn=7
1598 Program that performs a socket lookup but does not NULL-check the returned
1599 value::
1601   BPF_MOV64_IMM(BPF_REG_2, 0),
1602   BPF_STX_MEM(BPF_W, BPF_REG_10, BPF_REG_2, -8),
1603   BPF_MOV64_REG(BPF_REG_2, BPF_REG_10),
1604   BPF_ALU64_IMM(BPF_ADD, BPF_REG_2, -8),
1605   BPF_MOV64_IMM(BPF_REG_3, 4),
1606   BPF_MOV64_IMM(BPF_REG_4, 0),
1607   BPF_MOV64_IMM(BPF_REG_5, 0),
1608   BPF_EMIT_CALL(BPF_FUNC_sk_lookup_tcp),
1609   BPF_EXIT_INSN(),
1611 Error::
1613   0: (b7) r2 = 0
1614   1: (63) *(u32 *)(r10 -8) = r2
1615   2: (bf) r2 = r10
1616   3: (07) r2 += -8
1617   4: (b7) r3 = 4
1618   5: (b7) r4 = 0
1619   6: (b7) r5 = 0
1620   7: (85) call bpf_sk_lookup_tcp#65
1621   8: (95) exit
1622   Unreleased reference id=1, alloc_insn=7
1624 Testing
1625 -------
1627 Next to the BPF toolchain, the kernel also ships a test module that contains
1628 various test cases for classic and internal BPF that can be executed against
1629 the BPF interpreter and JIT compiler. It can be found in lib/test_bpf.c and
1630 enabled via Kconfig::
1632   CONFIG_TEST_BPF=m
1634 After the module has been built and installed, the test suite can be executed
1635 via insmod or modprobe against 'test_bpf' module. Results of the test cases
1636 including timings in nsec can be found in the kernel log (dmesg).
1638 Misc
1639 ----
1641 Also trinity, the Linux syscall fuzzer, has built-in support for BPF and
1642 SECCOMP-BPF kernel fuzzing.
1644 Written by
1645 ----------
1647 The document was written in the hope that it is found useful and in order
1648 to give potential BPF hackers or security auditors a better overview of
1649 the underlying architecture.
1651 - Jay Schulist <jschlst@samba.org>
1652 - Daniel Borkmann <daniel@iogearbox.net>
1653 - Alexei Starovoitov <ast@kernel.org>