Skip to content
KitploitKITPLOIT
أدواتعمليات الاستغلالالمدونة
Log in
إرسال
أدواتعمليات الاستغلالالمدونة
إرسال

أدوات الاختراق واختبار الاختراق والأمن السيبراني لترسانتك الأمنية!

Kitploit هو دليل لأدوات الاختراق والأمن السيبراني واختبار الاختراق. اكتشف آخر تحديثات المشاريع للعثور على الثغرات وتحليل الأنظمة وأتمتة الاختبارات وتعزيز أمنك.

··الخلاصات·اتصال·الخصوصية·© 2026 Kitploit

دليل الأدوات

الفئات

عرض جميع الفئات
Loading categories
VMDragonSlayer — إطار عمل متعدد المحركات لفك تغليف وتحليل البرامج الثنائية المحمية بواسطة الآلة الافتراضية باستخدام تتبع التلوث الديناميكي، التنفيذ الرمزي، تصنيف الأنماط، وتحديد الأولويات بواسطة التعلم الآلي لأتمتة الهندسة العكسية للحمايات التجارية والمخصصة. | Kitploit
أدوات/GitHubGitHub/poppopjmp/vmdragonslayer
التحليل الثابتالتحليل الديناميكي (عزل)تحليل الثغرات الأمنيةالهندسة العكسيةمصممي الأخطاءالاختبار العشوائيتحليل البرمجيات الخبيثةتحليل الملفات الثنائيةتعلم الآلةالأوراق والأبحاثالتعلم والتعليم
4316822منذ 0 سنواتتمت المراجعة من قبل Kitploit
GitHub
poppopjmp/vmdragonslayer

VMDragonSlayer

إطار عمل متعدد المحركات لفك تغليف وتحليل البرامج الثنائية المحمية بواسطة الآلة الافتراضية باستخدام تتبع التلوث الديناميكي، التنفيذ الرمزي، تصنيف الأنماط، وتحديد الأولويات بواسطة التعلم الآلي لأتمتة الهندسة العكسية للحمايات التجارية والمخصصة.

عرض المستودع

الأكثر شعبية

عرض الكل →

اكتشف الأدوات الأكثر استخدامًا من قبل مجتمعنا.

استكشف جميع الأدوات

تصفح مجموعتنا من الأدوات

عرض جميع الأدوات →
مشاركة

VMDragonSlayer

سيتم إتاحة المشروع للعامة بحلول منتصف أكتوبر - إعادة الهيكلة قيد التقدم

إطار متقدم لاكتشاف وتحليل الآلات الافتراضية

VMDragonSlayer هو إطار شامل لتحليل البرامج الثنائية المحمية باستخدام حمايات قائمة على الآلة الافتراضية (VM) مثل VMProtect 2.x/3.x وThemida وحمايات البرمجيات الخبيثة المخصصة. يجمع الإطار بين عدة محركات تحليلية تشمل التتبع الديناميكي للبصمات (DTT) والتنفيذ الرمزي (SE) وتصنيف الأنماط والتعلم الآلي لأتمتة عملية الهندسة العكسية.

الهدف: تحويل تحليل البرامج الثنائية المحمية المعقدة من أسابيع/أشهر من العمل اليدوي إلى تحليل هيكلي آلي بنتائج قابلة للتفسير.

الميزات الرئيسية

  • تحليل متعدد المحركات: يجمع بين تقنيات التحليل الثابت والديناميكي والهجين
  • كشف VM: كشف آلي لحمايات VM التجارية والمخصصة
  • نظام الإضافات: تكامل مع Ghidra وIDA Pro وBinary Ninja
  • التعلم الآلي: نماذج تعلم آلي إثباتية (PoC) لتصنيف الأنماط
  • هندسة قابلة للتوسع: تصميم معياري لسير عمل تحليلي مخصص
  • إطار بحثي: مبني لأبحاث البرمجيات الخبيثة وتعليم الهندسة العكسية

القدرات الأساسية

المجالالمحرك / الوحدةالإبرازات
اكتشاف VManalysis.vm_discoveryتعريف جدول الموزع والمعالج، استنتاج VM المتداخل
تحليل الأنماطanalysis.pattern_analysisقائم على قواعد + تشابه + تعلم آلي (اختيار هجين تلقائي)
تتبع البصماتanalysis.taint_trackingتتبع على مستوى البايت بواسطة Intel Pin، اكتشاف المعالجات، ثقة التدفق
التنفيذ الرمزيanalysis.symbolic_execution.executorاستكشاف مرجح بواسطة ML باستخدام PathPrioritizer، تتبع القيود والحالات
التنسيق الهجين(نواة بايثون)سير عمل تسلسلي / متوازي / تكيفي (يشير تقرير Ghidra إلى تنفيذه)
البيانات الاصطناعيةdata/training/synthetic_sample_generator.pyتحوير الإخفاء، توليد عينات متعددة البنى
قاعدة الأنماطdata/patterns/JSON + قاعدة محسّنة + أنماط تشغيلية مدعومة بـ SQLite
إضافة Ghidraplugins/ghidra/تكامل واجهة مستخدم قيد التطوير (عدة قوالب مفقودة)
المخططات / التحققdata/schemas/مخططات JSON مخرجات تحليل وصيغ أنماط محققة

نظرة عامة على البنية

يستخدم VMDragonSlayer بنية معيارية حيث تعمل عدة محركات تحليلية معًا:

graph TD
    A[محرك اكتشاف VM] --> B[مصنف الأنماط/ML]
    B --> C[محرك التنفيذ الرمزي]
    B --> D[متتبع البصمات الديناميكي]
    D --> C
    
    subgraph مصادر البيانات ["مصادر البيانات"]
        E[قاعدة الأنماط]
        F[نماذج ML - إثبات المفهوم]
    end
    
    subgraph التنسيق
        G[المنسق - إدارة سير العمل والتنسيق]
    end
    
    E --> B
    F --> B
    A --> G
    B --> G
    C --> G
    D --> G
    E --> G
    F --> G
    G --> H[خادم REST API]
    G --> I[إضافات - أدوات الهندسة العكسية]

محركات التحليل الأساسية

1. محرك اكتشاف VM (dragonslayer.analysis.vm_discovery)

  • الغرض: كشف وتصنيف أنظمة الحماية القائمة على VM
  • التقنيات: كشف حلقة الموزع، تحليل جدول المعالج، استنتاج تدفق التحكم
  • الأهداف: VMProtect، Themida، حمايات البرمجيات الخبيثة المخصصة، الحماية المتداخلة

2. التتبع الديناميكي للبصمات (dragonslayer.analysis.taint_tracking)

  • الغرض: تتبع تدفق البيانات عبر تنفيذ VM لتحديد المسارات الحرجة
  • التنفيذ: أداة قائمة على Intel Pin بدقة على مستوى البايت
  • الميزات: الذاكرة الظلية، التهرب من التحليل، الاكتشاف الآلي للمعالجات

3. تحليل الأنماط (dragonslayer.analysis.pattern_analysis)

  • الغرض: تصنيف وتصنيف أنماط وسلوكيات VM
  • الطرق: مطابقة قائمة على القواعد، تحليل التشابه، تصنيف ML
  • قاعدة البيانات: قاعدة أنماط قابلة للتوسع مع مخططات JSON

4. التنفيذ الرمزي (dragonslayer.analysis.symbolic_execution)

  • الغرض: استكشاف مسارات تنفيذ VM بشكل رمزي
  • الميزات: حل القيود، تحديد أولويات المسار، دمج الحالات
  • التكامل: يستخدم نتائج تحليل البصمات لبذر الاستكشاف

5. خط أنابيب التعلم الآلي (dragonslayer.ml)

  • الغرض: التصنيف الآلي والمساعدة في التحليل
  • النماذج: نماذج إثبات مفهوم أساسية للبحث والتعليم
  • المكونات: استخراج الميزات، تدريب النموذج، التنبؤ الجماعي

هيكل المستودع

VMDragonSlayer/
├── dragonslayer/                    # الحزمة الرئيسية للبايثون
│   ├── analysis/                   # محركات التحليل
│   │   ├── vm_discovery/          # كشف وتصنيف VM
│   │   ├── pattern_analysis/      # مطابقة الأنماط وتصنيف ML
│   │   ├── symbolic_execution/    # محرك التنفيذ الرمزي
│   │   ├── taint_tracking/        # تحليل البصمات الديناميكي
│   │   └── anti_evasion/          # إجراءات مضادة للتهرب
│   ├── api/                       # خادم وعميل REST API
│   ├── core/                      # مكونات الإطار الأساسية
│   ├── ml/                        # خط أنابيب التعلم الآلي
│   ├── analytics/                 # تقارير التحليل والمقاييس
│   ├── gpu/                       # دعم تسريع GPU
│   ├── utils/                     # دوال مساعدة
├── data/                          # ملفات التكوين والبيانات
│   ├── patterns/                  # قاعدة الأنماط
│   ├── models/                    # نماذج ML والبيانات الوصفية
│   │   ├── pretrained/           # نماذج مدربة مسبقًا (PoC)
│   │   └── metadata/             # البيانات الوصفية والمخططات للنماذج
│   ├── samples/                   # ملفات العينات والسجلات
│   ├── schemas/                   # مخططات JSON للتحقق
│   └── training/                  # تكوينات التدريب
├── plugins/                       # إضافات أدوات الهندسة العكسية
│   ├── ghidra/                   # إضافة Ghidra (Java/Gradle)
│   ├── idapro/                   # إضافة IDA Pro (Python)
│   └── binaryninja/              # إضافة Binary Ninja (Python)
├── tests/                         # مجموعة الاختبارات
├── documentation/                 # الوثائق
└── LICENSE                        # رخصة GPL v3

نظام الإضافات

يتكامل VMDragonSlayer مع أدوات الهندسة العكسية الرئيسية:

إضافة Ghidra

  • اللغة: Java مع نظام بناء Gradle
  • الميزات: واجهة مستخدم لتحليل VM، تصور الأنماط، سير عمل تحليلي آلي
  • الحالة: الإطار منفّذ، مكونات واجهة المستخدم قيد التطوير

إضافة IDA Pro

  • اللغة: Python
  • الميزات: تكامل سلس مع محرك تحليل IDA
  • الحالة: الوظائف الأساسية متاحة

إضافة Binary Ninja

  • اللغة: Python
  • الميزات: تكامل أصلي مع Binary Ninja API
  • الحالة: التكامل الأساسي منفّذ

مكونات التعلم الآلي

ملاحظة: نماذج ML المضمنة هي تطبيقات إثبات مفهوم أساسية مصممة لأغراض البحث والتعليم.


التثبيت

المتطلبات الأساسية

  • Python 3.8 أو أحدث
  • أداة أو أكثر من أدوات الهندسة العكسية:
    • Ghidra 10.0+ (لإضافة Ghidra)
    • IDA Pro 7.0+ (لإضافة IDA)
    • Binary Ninja (لإضافة Binary Ninja)

متطلبات الأجهزة

المتطلبات الدنيا

  • المعالج: معالج x64 حديث
  • الذاكرة العشوائية: 8GB كحد أدنى، 16GB موصى به
  • المساحة التخزينية: 5GB مساحة خالية
  • نظام التشغيل: Windows 10/11، Linux (Ubuntu 20.04+)، macOS 11+

متطلبات GPU (اختياري لكن موصى به)

  • GPU من NVIDIA: GTX 1060 أو أحدث للحصول على أداء مثالي
  • CUDA: إصدار 11.8 أو 12.1+ (يتم تثبيته تلقائيًا مع PyTorch)
  • الذاكرة العشوائية للفيديو: 4GB كحد أدنى لنماذج ML

القيود المهمة

  • الأجهزة الافتراضية: الميزات المسرّعة بـ GPU تتطلب وصولاً مباشرًا للعتاد وقد لا تعمل في الأجهزة الافتراضية
  • WSL: بعض ميزات GPU قد يكون لها وظائف محدودة في بيئات WSL
  • الخوادم البعيدة: تأكد من تثبيت برامج تشغيل CUDA بشكل صحيح للوصول إلى GPU بدون شاشة

الحالة الحالية (المشكلات المُصلحة)

أمثلة عاملة ومتحقق منها

# هذا يعمل الآن بشكل مثالي:
from dragonslayer.core.orchestrator import Orchestrator, AnalysisType

orchestrator = Orchestrator()
result = orchestrator.analyze_binary("your_binary.exe", analysis_type=AnalysisType.VM_DISCOVERY)

# النتائج منظمة بشكل صحيح:
vmd = result.get("vm_discovery", {})
print(f"VM detected: {vmd.get('vm_detected', False)}")
print(f"Handlers found: {len(vmd.get('handlers_found', []))}")

بداية سريعة

# 1. التثبيت مع جميع التبعيات
pip install -r requirements.txt
pip install -e .

الإطار الأساسي

# استنساخ المستودع
git clone https://github.com/poppopjmp/VMDragonSlayer.git
cd VMDragonSlayer
تنزيل الأداة