Programación en RarVM: la máquina virtual oculta en los archivos RAR

Fuentes: Programming in RarVM: The Hidden Virtual Machine in RAR Files

Los archivos RAR no solo almacenan datos comprimidos, sino que pueden contener código ejecutable para una máquina virtual x86-like denominada RarVM. Esta arquitectura permite definir filtros preprocesadores reversibles que transforman los datos de entrada para aumentar la redundancia y mejorar la eficiencia de la compresión. Un ejemplo destacado es el filtro 'Intel E8 preprocessing', que optimiza el código x86 convirtiendo llamadas relativas en direcciones absolutas, lo que permite comprimir instrucciones idénticas de forma más efectiva. Al descomprimir, la transformación se invierte para restaurar el archivo original.

WinRAR incluye aproximadamente una docena de filtros estándar, pero permite definir nuevos de forma dinámica en tiempo de ejecución. Aunque no existía una herramienta para explorar esta funcionalidad, se ha desarrollado un conjunto de herramientas basado en Rust que permite compilar y ejecutar programas en RarVM. La arquitectura de la máquina virtual se inspira en x86, utilizando ocho registros numerados (r0 a r7) y un espacio de direcciones de 0x40000 bytes. Los programas tienen un límite de 250 millones de instrucciones, pero pueden dividirse en múltiples bloques para superar esta restricción.

Un desafío técnico significativo es la necesidad de que la salida del programa coincida exactamente con el CRC almacenado en el encabezado del volumen, ya que WinRAR es un archivador y no un entorno de programación. Para resolver esto, se ha implementado un algoritmo de compensación dinámica de CRC, basado en un artículo de Julien Tinnes, que permite al archivo modificar sus propios datos en tiempo de ejecución para que el CRC final coincida con el valor esperado, permitiendo así la generación de salidas dinámicas y predecibles.