Rename GetLanguageInfo to GetLanguageSpecificData (#117012)
[llvm-project.git] / clang / docs / SafeBuffers.rst
blobda75907e174a006a879dbf567b6b08692910199a
1 ================
2 C++ Safe Buffers
3 ================
5 .. contents::
6    :local:
9 Introduction
10 ============
12 Clang can be used to harden your C++ code against buffer overflows, an otherwise
13 common security issue with C-based languages.
15 The solution described in this document is an integrated programming model as
16 it combines:
18 - a family of opt-in Clang warnings (``-Wunsafe-buffer-usage``) emitted at
19   during compilation to help you update your code to encapsulate and propagate
20   the bounds information associated with pointers;
21 - runtime assertions implemented as part of
22   (`libc++ hardening modes <https://libcxx.llvm.org/Hardening.html>`_)
23   that eliminate undefined behavior as long as the coding convention
24   is followed and the bounds information is therefore available and correct.
26 The goal of this work is to enable development of bounds-safe C++ code. It is
27 not a "push-button" solution; depending on your codebase's existing
28 coding style, significant (even if largely mechanical) changes to your code
29 may be necessary. However, it allows you to achieve valuable safety guarantees
30 on security-critical parts of your codebase.
32 This solution is under active development. It is already useful for its purpose
33 but more work is being done to improve ergonomics and safety guarantees
34 and reduce adoption costs.
36 The solution aligns in spirit with the "Ranges" safety profile
37 that was `proposed <https://www.open-std.org/jtc1/sc22/wg21/docs/papers/2024/p3274r0.pdf>`_
38 by Bjarne Stroustrup for standardization alongside other C++ safety features.
41 Pre-Requisites
42 ==============
44 In order to achieve bounds safety, your codebase needs to have access to
45 well-encapsulated bounds-safe container, view, and iterator types.
46 If your project uses libc++, standard container and view types such as
47 ``std::vector`` and ``std::span`` can be made bounds-safe by enabling
48 the "fast" `hardening mode <https://libcxx.llvm.org/Hardening.html>`_
49 (passing ``-D_LIBCPP_HARDENING_MODE=_LIBCPP_HARDENING_MODE_FAST``) to your
50 compiler) or any of the stricter hardening modes.
52 In order to harden iterators, you'll need to also obtain a libc++ binary
53 built with ``_LIBCPP_ABI_BOUNDED_ITERATORS`` -- which is a libc++ ABI setting
54 that needs to be set for your entire target platform if you need to maintain
55 binary compatibility with the rest of the platform.
57 A relatively fresh version of C++ is recommended. In particular, the very useful
58 standard view class ``std::span`` requires C++20.
60 Other implementations of the C++ standard library may provide different
61 flags to enable such hardening.
63 If you're using custom containers and views, they will need to be hardened
64 this way as well, but you don't necessarily need to do this ahead of time.
66 This approach can theoretically be applied to plain C codebases,
67 assuming that safe primitives are developed to encapsulate all buffer accesses,
68 acting as "hardened custom containers" to replace raw pointers.
69 However, such approach would be very unergonomic in C, and safety guarantees
70 will be lower due to lack of good encapsulation technology. A better approach
71 to bounds safety for non-C++ programs,
72 `-fbounds-safety <https://clang.llvm.org/docs/BoundsSafety.html>`_,
73 is currently in development.
75 Technically, safety guarantees cannot be provided without hardening
76 the entire technology stack, including all of your dependencies.
77 However, applying such hardening technology to even a small portion
78 of your code may be significantly better than nothing.
81 The Programming Model for C++
82 =============================
84 Assuming that hardened container, view, and iterator classes are available,
85 what remains is to make sure they are used consistently in your code.
86 Below we define the specific coding convention that needs to be followed
87 in order to guarantee safety and how the compiler technology
88 around ``-Wunsafe-buffer-usage`` assists with that.
91 Buffer operations should never be performed over raw pointers
92 -------------------------------------------------------------
94 Every time a memory access is made, a bounds-safe program must guarantee
95 that the range of accessed memory addresses falls into the boundaries
96 of the memory allocated for the object that's being accessed.
97 In order to establish such a guarantee, the information about such valid range
98 of addresses -- the **bounds information** associated with the accessed address
99 -- must be formally available every time a memory access is performed.
101 A raw pointer does not naturally carry any bounds information.
102 The bounds information for the pointer may be available *somewhere*, but
103 it is not associated with the pointer in a formal manner, so a memory access
104 performed through a raw pointer cannot be automatically verified to be
105 bounds-safe by the compiler.
107 That said, the Safe Buffers programming model does **not** try to eliminate
108 **all** pointer usage. Instead it assumes that most pointers point to
109 individual objects, not buffers, and therefore they typically aren't
110 associated with buffer overflow risks. For that reason, in order to identify
111 the code that requires manual intervention, it is desirable to initially shift
112 the focus away from the pointers themselves, and instead focus on their
113 **usage patterns**.
115 The compiler warning ``-Wunsafe-buffer-usage`` is built to assist you
116 with this step of the process. A ``-Wunsafe-buffer-usage`` warning is
117 emitted whenever one of the following **buffer operations** are performed
118 on a raw pointer:
120 - array indexing with ``[]``,
121 - pointer arithmetic,
122 - bounds-unsafe standard C functions such as ``std::memcpy()``,
123 - C++ smart pointer operations such as ``std::unique_ptr<T[N]>::operator[]()``,
124   which unfortunately cannot be made fully safe within the rules of
125   the C++ standard (as of C++23).
127 This is sufficient for identifying each raw buffer pointer in the program at
128 **at least one point** during its lifetime across your software stack.
130 For example, both of the following functions are flagged by
131 ``-Wunsafe-buffer-usage`` because ``pointer`` gets identified as an unsafe
132 buffer pointer. Even though the second function does not directly access
133 the buffer, the pointer arithmetic operation inside it may easily be
134 the only formal "hint" in the program that the pointer does indeed point
135 to a buffer of multiple objects::
137     int get_last_element(int *pointer, size_t size) {
138       return ptr[sz - 1]; // warning: unsafe buffer access
139     }
141     int *get_last_element_ptr(int *pointer, size_t size) {
142       return ptr + (size - 1); // warning: unsafe pointer arithmetic
143     }
146 All buffers need to be encapsulated into safe container and view types
147 ----------------------------------------------------------------------
149 It immediately follows from the previous requirement that once an unsafe pointer
150 is identified at any point during its lifetime, it should be immediately wrapped
151 into a safe container type (if the allocation site is "nearby") or a safe
152 view type (if the allocation site is "far away"). Not only memory accesses,
153 but also non-access operations such as pointer arithmetic need to be covered
154 this way in order to benefit from the respective runtime bounds checks.
156 If a **container** type (``std::array``, ``std::vector``, ``std::string``)
157 is used for allocating the buffer, this is the best-case scenario because
158 the container naturally has access to the correct bounds information for the
159 buffer, and the runtime bounds checks immediately kick in. Additionally,
160 the container type may provide automatic lifetime management for the buffer
161 (which may or may not be desirable).
163 If a **view** type is used (``std::span``, ``std::string_view``), this typically
164 means that the bounds information for the "adopted" pointer needs to be passed
165 to the view's constructor manually. This makes runtime checks immediately
166 kick in with respect to the provided bounds information, which is an immediate
167 improvement over the raw pointer. However, this situation is still fundamentally
168 insufficient for security purposes, because **bounds information provided
169 this way cannot be guaranteed to be correct**.
171 For example, the function ``get_last_element()`` we've seen in the previous
172 section can be made **slightly** safer this way::
174     int get_last_element(int *pointer, size_t size) {
175       std::span<int> sp(pointer, size);
176       return sp[size - 1]; // warning addressed
177     }
179 Here ``std::span`` eliminates the potential concern that the operation
180 ``size - 1`` may overflow when ``sz`` is equal to ``0``, leading to a buffer
181 "underrun". However, such program does not provide a guarantee that
182 the variable ``sz`` correctly represents the **actual** size fo the buffer
183 pointed to by ``ptr``. The ``std::span`` constructed this way may be ill-formed.
184 It may fail to protect you from overrunning the original buffer.
186 The following example demonstrates one of the most dangerous anti-patterns
187 of this nature::
189     void convert_data(int *source_buf, size_t source_size,
190                       int *target_buf, size_t target_size) {
191       // Terrible: mismatched pointer / size.
192       std::span<int> target_span(target_buf, source_size);
193       // ...
194     }
196 The second parameter of ``std::span`` should never be the **desired** size
197 of the buffer. It should always be the **actual** size of the buffer.
198 Such code often indicates that the original code has already contained
199 a vulnerability -- and the use of a safe view class failed to prevent it.
201 If ``target_span`` actually needs to be of size ``source_size``, a significantly
202 safer way to produce such a span would be to build it with the correct size
203 first, and then resize it to the desired size by calling ``.first()``::
205     void convert_data(int *source_buf, size_t source_size,
206                       int *target_buf, size_t target_size) {
207       // Safer.
208       std::span<int> target_span(target_buf, target_size).first(source_size);
209       // ...
210     }
212 However, these are still half-measures. This code still accepts the
213 bounds information from the caller in an **informal** manner, and such bounds
214 information cannot be guaranteed to be correct.
216 In order to mitigate problems of this nature in their entirety,
217 the third guideline is imposed.
220 Encapsulation of bounds information must be respected continuously
221 ------------------------------------------------------------------
223 The allocation site of the object is the only reliable source of bounds
224 information for that object. For objects with long lifespans across
225 multiple functions or even libraries in the software stack, it is essential
226 to formally preserve the original bounds information as it's being passed
227 from one piece of code to another.
229 Standard container and view classes are designed to preserve bounds information
230 correctly **by construction**. However, they offer a number of ways to "break"
231 encapsulation, which may cause you to temporarily lose track of the correct
232 bounds information:
234 - The two-parameter constructor ``std::span(ptr, size)`` allows you to
235   assemble an ill-formed ``std::span``;
236 - Conversely, you can unwrap a container or a view object into a raw pointer
237   and a raw size by calling its ``.data()`` and ``.size()`` methods.
238 - The overloaded ``operator&()`` found on container and iterator classes
239   acts similarly to ``.data()`` in this regard; operations such as
240   ``&span[0]`` and ``&*span.begin()`` are effectively unsafe.
242 Additional ``-Wunsafe-buffer-usage`` warnings are emitted when encapsulation
243 of **standard** containers is broken in this manner. If you're using
244 non-standard containers, you can achieve a similar effect with facilities
245 described in the next section: :ref:`customization`.
247 For example, our previous attempt to address the warning in
248 ``get_last_element()`` has actually introduced a new warning along the way,
249 that notifies you about the potentially incorrect bounds information
250 passed into the two-parameter constructor of ``std::span``::
252     int get_last_element(int *pointer, size_t size) {
253       std::span<int> sp(pointer, size); // warning: unsafe constructor
254       return sp[size - 1];
255     }
257 In order to address this warning, you need to make the function receive
258 the bounds information from the allocation site in a formal manner.
259 The function doesn't necessarily need to know where the allocation site is;
260 it simply needs to be able to accept bounds information **when** it's available.
261 You can achieve this by refactoring the function to accept a ``std::span``
262 as a parameter::
264     int get_last_element(std::span<int> sp) {
265       return sp[size - 1];
266     }
268 This solution puts the responsibility for making sure the span is well-formed
269 on the **caller**. They should do the same, so that eventually the
270 responsibility is placed on the allocation site!
272 Such definition is also very ergonomic as it naturally accepts arbitrary
273 standard containers without any additional code at the call site::
275     void use_last_element() {
276       std::vector<int> vec { 1, 2, 3 };
277       int x = get_last_element(vec);  // x = 3
278     }
280 Such code is naturally bounds-safe because bounds-information is passed down
281 from the allocation site to the buffer access site. Only safe operations
282 are performed on container types. The containers are never "unforged" into
283 raw pointer-size pairs and never "reforged" again. This is what ideal
284 bounds-safe C++ code looks like.
287 .. _customization:
289 Backwards Compatibility, Interoperation with Unsafe Code, Customization
290 =======================================================================
292 Some of the code changes described above can be somewhat intrusive.
293 For example, changing a function that previously accepted a pointer and a size
294 separately, to accept a ``std::span`` instead, may require you to update
295 every call site of the function. This is often undesirable and sometimes
296 completely unacceptable when backwards compatibility is required.
298 In order to facilitate **incremental adoption** of the coding convention
299 described above, as well as to handle various unusual situations, the compiler
300 provides two additional facilities to give the user more control over
301 ``-Wunsafe-buffer-usage`` diagnostics:
303 - ``#pragma clang unsafe_buffer_usage`` to mark code as unsafe and **suppress**
304   ``-Wunsafe-buffer-usage`` warnings in that code.
305 - ``[[clang::unsafe_buffer_usage]]`` to annotate potential sources of
306   discontinuity of bounds information -- thus introducing
307   **additional** ``-Wunsafe-buffer-usage`` warnings.
309 In this section we describe these facilities in detail and show how they can
310 help you with various unusual situations.
312 Suppress unwanted warnings with ``#pragma clang unsafe_buffer_usage``
313 ---------------------------------------------------------------------
315 If you really need to write unsafe code, you can always suppress all
316 ``-Wunsafe-buffer-usage`` warnings in a section of code by surrounding
317 that code with the ``unsafe_buffer_usage`` pragma. For example, if you don't
318 want to address the warning in our example function ``get_last_element()``,
319 here is how you can suppress it::
321     int get_last_element(int *pointer, size_t size) {
322       #pragma clang unsafe_buffer_usage begin
323       return ptr[sz - 1]; // warning suppressed
324       #pragma clang unsafe_buffer_usage end
325     }
327 This behavior is analogous to ``#pragma clang diagnostic`` (`documentation
328 <https://clang.llvm.org/docs/UsersManual.html#controlling-diagnostics-via-pragmas>`_)
329 However, ``#pragma clang unsafe_buffer_usage`` is specialized and recommended
330 over ``#pragma clang diagnostic`` for a number of technical and non-technical
331 reasons. Most importantly, ``#pragma clang unsafe_buffer_usage`` is more
332 suitable for security audits because it is significantly simpler and
333 describes unsafe code in a more formal manner. On the contrary,
334 ``#pragma clang diagnostic`` comes with a push/pop syntax (as opposed to
335 the begin/end syntax) and it offers ways to suppress warnings without
336 mentioning them by name (such as ``-Weverything``), which can make it
337 difficult to determine at a glance whether the warning is suppressed
338 on any given line of code.
340 There are a few natural reasons to use this pragma:
342 - In implementations of safe custom containers. You need this because ultimately
343   ``-Wunsafe-buffer-usage`` cannot help you verify that your custom container
344   is safe. It will naturally remind you to audit your container's implementation
345   to make sure it has all the necessary runtime checks, but ultimately you'll
346   need to suppress it once the audit is complete.
347 - In performance-critical code where bounds-safety-related runtime checks
348   cause an unacceptable performance regression. The compiler can theoretically
349   optimize them away (eg. replace a repeated bounds check in a loop with
350   a single check before the loop) but it is not guaranteed to do that.
351 - For incremental adoption purposes. If you want to adopt the coding convention
352   gradually, you can always surround an entire file with the
353   ``unsafe_buffer_usage`` pragma and then "make holes" in it whenever
354   you address warnings on specific portions of the code.
355 - In the code that interoperates with unsafe code. This may be code that
356   will never follow the programming model (such as plain C  code that will
357   never be converted to C++) or with the code that simply haven't been converted
358   yet.
360 Interoperation with unsafe code may require a lot of suppressions.
361 You are encouraged to introduce "unsafe wrapper functions" for various unsafe
362 operations that you need to perform regularly.
364 For example, if you regularly receive pointer/size pairs from unsafe code,
365 you may want to introduce a wrapper function for the unsafe span constructor::
367     #pragma clang unsafe_buffer_usage begin
369     template <typename T>
370     std::span<T> unsafe_forge_span(T *pointer, size_t size) {
371       return std::span(pointer, size);
372     }
374     #pragma clang unsafe_buffer_usage end
376 Such wrapper function can be used to suppress warnings about unsafe span
377 constructor usage in a more ergonomic manner::
379     void use_unsafe_c_struct(unsafe_c_struct *s) {
380       // No warning here.
381       std::span<int> sp = unsafe_forge_span(s->pointer, s->size);
382       // ...
383     }
385 The code remains unsafe but it also continues to be nicely readable, and it
386 proves that ``-Wunsafe-buffer-usage`` has done it best to notify you about
387 the potential unsafety. A security auditor will need to keep an eye on such
388 unsafe wrappers. **It is still up to you to confirm that the bounds information
389 passed into the wrapper is correct.**
392 Flag bounds information discontinuities with ``[[clang::unsafe_buffer_usage]]``
393 -------------------------------------------------------------------------------
395 The clang attribute ``[[clang::unsafe_buffer_usage]]``
396 (`attribute documentation
397 <https://clang.llvm.org/docs/AttributeReference.html#unsafe-buffer-usage>`_)
398 allows the user to annotate various objects, such as functions or member
399 variables, as incompatible with the Safe Buffers programming model.
400 You are encouraged to do that for arbitrary reasons, but typically the main
401 reason to do that is when an unsafe function needs to be provided for
402 backwards compatibility.
404 For example, in the previous section we've seen how the example function
405 ``get_last_element()`` needed to have its parameter types changed in order
406 to preserve the continuity of bounds information when receiving a buffer pointer
407 from the caller. However, such a change breaks both API and ABI compatibility.
408 The code that previously used this function will no longer compile, nor link,
409 until every call site of that function is updated. You can reclaim the
410 backwards compatibility -- in terms of both API and ABI -- by adding
411 a "compatibility overload"::
413     int get_last_element(std::span<int> sp) {
414       return sp[size - 1];
415     }
417     [[clang::unsafe_buffer_usage]] // Please use the new function.
418     int get_last_element(int *pointer, size_t size) {
419       // Avoid code duplication - simply invoke the safe function!
420       // The pragma suppresses the unsafe constructor warning.
421       #pragma clang unsafe_buffer_usage begin
422       return get_last_element(std::span(pointer, size));
423       #pragma clang unsafe_buffer_usage end
424     }
427 Such an overload allows the surrounding code to continue to work.
428 It is both source-compatible and binary-compatible. It is also strictly safer
429 than the original function because the unsafe buffer access through raw pointer
430 is replaced with a safe ``std::span`` access no matter how it's called. However,
431 because it requires the caller to pass the pointer and the size separately,
432 it violates our "bounds information continuity" principle. This means that
433 the callers who care about bounds safety needs to be encouraged to use the
434 ``std::span``-based overload instead. Luckily, the attribute
435 ``[[clang::unsafe_buffer_usage]]`` causes a ``-Wunsafe-buffer-usage`` warning
436 to be displayed at every call site of the compatibility overload in order to
437 remind the callers to update their code::
439     void use_last_element() {
440       std::vector<int> vec { 1, 2, 3 };
442       // no warning
443       int x = get_last_element(vec);
445       // warning: this overload introduces unsafe buffer manipulation
446       int x = get_last_element(vec.data(), vec.size());
447     }
449 The compatibility overload can be further simplified with the help of the
450 ``unsafe_forge_span()`` wrapper as described in the previous section --
451 and it even makes the pragmas unnecessary::
453     [[clang::unsafe_buffer_usage]] // Please use the new function.
454     int get_last_element(int *pointer, size_t size) {
455       // Avoid code duplication - simply invoke the safe function!
456       return get_last_element(unsafe_forge_span(pointer, size));
457     }
459 Notice how the attribute ``[[clang::unsafe_buffer_usage]]`` does **not**
460 suppress the warnings within the function on its own. Similarly, functions whose
461 entire definitions are covered by ``#pragma clang unsafe_buffer_usage`` do
462 **not** become automatically annotated with the attribute
463 ``[[clang::unsafe_buffer_usage]]``. They serve two different purposes:
465 - The pragma says that the function isn't safely **written**;
466 - The attribute says that the function isn't safe to **use**.
468 Also notice how we've made an **unsafe** wrapper for a **safe** function.
469 This is significantly better than making a **safe** wrapper for an **unsafe**
470 function. In other words, the following solution is significantly more unsafe
471 and undesirable than the previous solution::
473     int get_last_element(std::span<int> sp) {
474       // You've just added that attribute, and now you need to
475       // immediately suppress the warning that comes with it?
476       #pragma clang unsafe_buffer_usage begin
477       return get_last_element(sp.data(), sp.size());
478       #pragma clang unsafe_buffer_usage end
479     }
482     [[clang::unsafe_buffer_usage]]
483     int get_last_element(int *pointer, size_t size) {
484       // This access is still completely unchecked. What's the point of having
485       // perfect bounds information if you aren't performing runtime checks?
486       #pragma clang unsafe_buffer_usage begin
487       return ptr[sz - 1];
488       #pragma clang unsafe_buffer_usage end
489     }
491 **Structs and classes**, unlike functions, cannot be overloaded. If a struct
492 contains an unsafe buffer (in the form of a nested array or a pointer/size pair)
493 then it is typically impossible to replace them with a safe container (such as
494 ``std::array`` or ``std::span`` respectively) without breaking the layout
495 of the struct and introducing both source and binary incompatibilities with
496 the surrounding client code.
498 Additionally, member variables of a class cannot be naturally "hidden" from
499 client code. If a class needs to be used by clients who haven't updated to
500 C++20 yet, you cannot use the C++20-specific ``std::span`` as a member variable
501 type. If the definition of a struct is shared with plain C code that manipulates
502 member variables directly, you cannot use any C++-specific types for these
503 member variables.
505 In such cases there's usually no backwards-compatible way to use safe types
506 directly. The best option is usually to discourage the clients from using
507 member variables directly by annotating the member variables with the attribute
508 ``[[clang::unsafe_buffer_usage]]``, and then to change the interface
509 of the class to provide safe "accessors" to the unsafe data.
511 For example, let's assume the worst-case scenario: ``struct foo`` is an unsafe
512 struct type fully defined in a header shared between plain C code and C++ code::
514     struct foo {
515       int *pointer;
516       size_t size;
517     };
519 In this case you can achieve safety in C++ code by annotating the member
520 variables as unsafe and encapsulating them into safe accessor methods::
522     struct foo {
523       [[clang::unsafe_buffer_usage]]
524       int *pointer;
525       [[clang::unsafe_buffer_usage]]
526       size_t size;
528     // Avoid showing this code to clients who are unable to digest it.
529     #if __cplusplus >= 202002L
530       std::span<int> get_pointer_as_span() {
531         #pragma clang unsafe_buffer_usage begin
532         return std::span(pointer, size);
533         #pragma clang unsafe_buffer_usage end
534       }
536       void set_pointer_from_span(std::span<int> sp) {
537         #pragma clang unsafe_buffer_usage begin
538         pointer = sp.data();
539         size = sp.size();
540         #pragma clang unsafe_buffer_usage end
541       }
543       // Potentially more utility functions.
544     #endif
545     };
547 Future Work
548 ===========
550 The ``-Wunsafe-buffer-usage`` technology is in active development. The warning
551 is largely ready for everyday use but it is continuously improved to reduce
552 unnecessary noise as well as cover some of the trickier unsafe operations.
554 Fix-It Hints for ``-Wunsafe-buffer-usage``
555 ------------------------------------------
557 A code transformation tool is in development that can semi-automatically
558 transform large bodies of code to follow the C++ Safe Buffers programming model.
559 It can currently be accessed by passing the experimental flag
560 ``-fsafe-buffer-usage-suggestions`` in addition to ``-Wunsafe-buffer-usage``.
562 Fixits produced this way currently assume the default approach described
563 in this document as they suggest standard containers and views (most notably
564 ``std::span`` and ``std::array``) as replacements for raw buffer pointers.
565 This also additionally requires libc++ hardening in order to make the runtime
566 bounds checks actually happen.
568 Static Analysis to Identify Suspicious Sources of Bounds Information
569 --------------------------------------------------------------------
571 The unsafe constructor ``span(pointer, size)`` is often a necessary evil
572 when it comes to interoperation with unsafe code. However, passing the
573 correct bounds information to such constructor is often difficult.
574 In order to detect those ``span(target_pointer, source_size)`` anti-patterns,
575 path-sensitive analysis performed by `the clang static analyzer
576 <https://clang-analyzer.llvm.org>`_ can be taught to identify situations
577 when the pointer and the size are coming from "suspiciously different" sources.
579 Such analysis will be able to identify the source of information with
580 significantly higher precision than that of the compiler, making it much better
581 at identifying incorrect bounds information in your code while producing
582 significantly fewer warnings. It will also need to bypass
583 ``#pragma clang unsafe_buffer_usage`` suppressions and "see through"
584 unsafe wrappers such as ``unsafe_forge_span`` -- something that
585 the static analyzer is naturally capable of doing.