OGhidra 3 – KI-gestütztes Reverse Engineering mit Ghidra

Für die Version mit einem Claude-inspirierten Orchestrator siehe https://github.com/llnl/OGhidra/tree/orchestrator

OGhidra verbindet Large Language Models mit Ghidras Reverse-Engineering-Plattform und ermöglicht KI-gesteuerte Binäranalyse über natürliche Sprache. Analysieren Sie Binärdateien dialogorientiert, automatisieren Sie komplexe Arbeitsabläufe und bewahren Sie vollständige Privatsphäre mit lokalen KI-Modellen.

YouTube Setup-Anleitung

Was ist OGhidra?

OGhidra erweitert Ghidra um KI-Fähigkeiten, die Ihnen Folgendes ermöglichen:

Analyse in natürlicher Sprache – Stellen Sie Fragen zu Funktionen, Strings, Importen in einfachem Englisch
Automatisierte Workflows – Funktionen umbenennen, Muster erkennen, umfassende Berichte erstellen
Lokale KI-Modelle – Vollständige Privatsphäre mit Modellen auf Ihrer Hardware (Ollama)
Cloud-KI-Unterstützung – Verbindung zu externen APIs (OpenAI, Google Gemini, Anthropic Claude)
Malware-Erkennung – Automatischer Mustervergleich für über 12 Umgehungs- und Injektionstechniken
Intelligente Aufzählung – Erstellen von abfragbaren Wissensgraphen aus der Binäranalyse
Multi-Instanz-Analyse – Mehrere Ghidra-Instanzen für parallele Analysen ausführen

So funktioniert es

graph TD
    A[User Query] --> B[Planning Phase]
    B --> C{Execution Phase}
    C -- Tool Calls --> D[Ghidra/LLM]
    D --> C
    C --> E[Review Phase]
    E -- Agentic Loop --> B
    E --> F[Final Response]

    style E fill:#f9f,stroke:#333,stroke-width:2px
    style B fill:#bbf,stroke:#333,stroke-width:2px

Agentische Schleife: OGhidra verwendet ein adaptives Planungssystem. Nach jedem Ausführungszyklus werden die Ergebnisse überprüft und die KI kann entscheiden, weitere Informationen zu sammeln oder ihre Analyse zu verfeinern, bevor sie die endgültige Antwort gibt.

Schnellstart

Voraussetzungen

Python 3.12+ – Version prüfen: python --version
Ghidra 12.0.3 (Empfohlen) – Herunterladen von Ghidra Releases
- Der Pfad zum Erstellen/Installieren des Plugins ist für Ghidra 12.0.3 dokumentiert
- Getestet mit: Ghidra 11.0.3, 11.3.2, 12.0.2, 12.0.3
Java 21 – Erforderlich zum Erstellen der Ghidra 12.0.3-Erweiterung: java -version
Ollama (optional, für lokale Modelle) – Installieren von ollama.com

Installation

# Clone repository
git clone https://github.com/LLNL/OGhidra.git
cd OGhidra

# Install dependencies (choose one)
uv sync                          # Using UV (recommended)
pip install -r requirements.txt  # Using pip

# Configure environment
cp .env.example .env
# Edit .env with your settings

Ghidra-Plugin einrichten

Die folgenden Schritte zum Erstellen des OGhidraMCP-Plugins zielen auf Ghidra 12.0.3 (empfohlen) ab. Es gibt auch ein YouTube-Video-Tutorial: https://www.youtube.com/watch?v=hBD92FUgR0Y

Erstellen der GhidraMCP-Erweiterung

Als Entwickler müssen Sie die GhidraMCP-Erweiterung erstellen, bevor Sie sie in Ghidra installieren können:

Voraussetzungen:
- Ghidra 12.0.3 installiert
- Java 21

Option 1: Verwendung der automatisierten Build-Skripte:

Windows:

# Set the path to your Ghidra installation (will attempt to find last run copy of Ghidra if not set)
set GHIDRA_INSTALL_DIR=C:\path\to\ghidra_12.0.3_PUBLIC

# Run the build script
build_ghidra_plugin.bat

Unix/Linux/Mac:

# Set the path to your Ghidra installation (will attempt to find the last run copy of Ghidra if not set)
export GHIDRA_INSTALL_DIR=/path/to/ghidra_12.0.3_PUBLIC

# Run the build script (make it executable first if needed)
chmod +x build_ghidra_plugin.sh
./build_ghidra_plugin.sh

Option 2: Manueller Build-Prozess:

Erstellen/Aktualisieren Sie OGhidraMCP/gradle.properties mit Ihrem Ghidra-Installationspfad:
```
GHIDRA_INSTALL_DIR=/absolute/path/to/ghidra_12.0.3_PUBLIC
```

On Unix/Linux/macOS:

cd OGhidraMCP
$GHIDRA_INSTALL_DIR/support/gradle/gradlew buildExtension --info

On Windows:

cd OGhidraMCP
"%GHIDRA_INSTALL_DIR%\support\gradle\gradlew.bat" buildExtension --info

Die erstellte Erweiterung finden:
- Die ZIP-Datei der Erweiterung wird in OGhidraMCP/dist/ erstellt
- The filename will be something like ghidra_12.0.3_PUBLIC_YYYYMMDD_OGhidraMCP.zip

Installieren der GhidraMCP-Erweiterung

Sobald Sie die Erweiterung erfolgreich erstellt haben:

In Ghidra installieren:
- Öffnen Sie Ghidra -> Datei -> Erweiterungen installieren
- Klicken Sie auf Erweiterung hinzufügen (grünes Plus-Symbol)
- Navigieren Sie zu Ihrem OGhidraMCP/dist/-Verzeichnis
- Wählen Sie die neu erstellte Erweiterungs-ZIP-Datei (z. B. ghidra_12.0.3_PUBLIC_YYYYMMDD_OGhidraMCP.zip)
- Starten Sie Ghidra neu
Das Plugin aktivieren:
- Öffnen Sie ein Ghidra-Projekt
- Datei → Konfigurieren → Entwickler aktivieren
- Aktivieren Sie das Plugin OGhidraMCP
- Der Server wird unter http://localhost:8080/methods gestartet
SIE MÜSSEN DEN CODE-BROWSER GEÖFFNET HABEN

KI-Modelle herunterladen

# For Ollama (local models)
ollama pull gemma3:27b           		# Good balance (20GB RAM)
ollama pull nomic-embed-text     		# Embedding model for RAG

# Alternative models
ollama pull gpt-oss:120b         		# High quality (80GB RAM)
ollama pull devstral-2:123b 			# High quality (80GB RAM)
ollama pull devstral-2:123b-cloud       # Cloud Model

OGhidra starten

# GUI Mode (recommended)
uv run main.py --ui

# Interactive CLI
uv run main.py --interactive

# In interactive CLI, test connection
health

Wenn Sie den GUI-Modus gestartet haben, verwenden Sie:

curl http://localhost:8080/methods

Konfiguration

Bearbeiten Sie .env, um Ihren KI-Anbieter zu konfigurieren:

Option 1: Lokale Modelle (Ollama)

LLM_PROVIDER=ollama
OLLAMA_BASE_URL=http://localhost:11434/
OLLAMA_MODEL=gemma3:27b
OLLAMA_EMBEDDING_MODEL=nomic-embed-text

Option 2: Externe APIs

LLM_PROVIDER=external
EXTERNAL_PROVIDER=google
EXTERNAL_API_KEY=your-api-key-here
EXTERNAL_MODEL=gemini-3.1-flash-lite-preview
EXTERNAL_EMBEDDING_MODEL=gemini-embedding-001

Option 3: Benutzerdefinierte OpenAI-kompatible API

LLM_PROVIDER=custom_api
CUSTOM_API_URL=https://api.example.com/v1/chat/completions
CUSTOM_API_KEY=your-api-key-here
CUSTOM_API_MODEL=your-model-name
CUSTOM_API_EMBEDDING_MODEL=your-embedding-model

Einstellungen für das Kontextmanagement

Passen Sie die Einstellungen an das Kontextfenster Ihres Modells an:

# Context budget in tokens (adjust to your model's limit)
CONTEXT_BUDGET=100000              # 100K tokens for mid-size models
                                   # 200K+ for frontier models

# Execution settings
MAX_EXECUTION_STEPS=5              # Steps per planning cycle
MAX_AGENTIC_CYCLES=3               # How many plan-execute-review loops
AGENTIC_LOOP_ENABLED=true          # Enable adaptive replanning

Hauptfunktionen

1. Intelligente Werkzeug-Schaltflächen (GUI)

Ein-Klick-Zugriff auf häufige Reverse-Engineering-Aufgaben:

Werkzeug	Beschreibung
Aktuelle Funktion analysieren	Tiefgehende Analyse des Verhaltens der ausgewählten Funktion
Aktuelle Funktion umbenennen	KI schlägt aussagekräftige Namen basierend auf der Analyse vor
Alle Funktionen umbenennen	Massenumbenennung mit Optionen „Intelligent/Vollständig/Nur umbenennen“
Importe analysieren	Identifizieren von Bibliotheken und externen Abhängigkeiten
Strings analysieren	Finden von URLs, Anmeldeinformationen, Konfigurationsdaten
Bericht generieren	Umfassende Sicherheitsbewertung

2. Aufgabenmodi

Legen Sie spezialisierte Analyseziele fest:

# In GUI: Use "Task Mode" dropdown
# In CLI: set task_mode <mode>

task_mode malware      # Malware analysis with pattern detection
task_mode vuln         # Vulnerability research focus
task_mode general      # General reverse engineering

3. Erkennung von Malware-Mustern

Automatische Erkennung von über 12 Malware-Mustern:

Umgehung: PEB-Walking, Dynamische API-Auflösung, Anti-Debug, Anti-VM
Injektion: Prozessinjektion (Lokal/Remote)
Persistenz: Registrierung, Dateisystem-Hooks
Verschleierung: String-Kodierung, API-Hashing
Privilegienerweiterung: Token-Manipulation, UAC-Umgehung

Muster lösen automatische Warnungen im KI-Kontext mit MITRE ATT&CK-Zuordnungen aus.

4. Intelligente Aufzählung

Erstellen Sie reichhaltiges, abfragbares Wissen aus der Binäranalyse:

# Enumerate all functions with AI summaries
# Choose from:
- Rename Only: Only process generic function names
- Smart Enumeration: Focus on security-relevant functions
- Full Enumeration: Analyze every function in the binary

Funktionen:

Strukturierte Metadatenextraktion (LOC, Komplexität, Operationen)
Optimierung der semantischen Suche
Absichtsbasierte Kontexterstellung
Multi-Vektor-Unterstützung für präzisen Abruf

5. Sitzungsverwaltung

Analysesitzungen speichern und wiederherstellen:

# Save progress
File → Save Session

# Load previous work
File → Load Session

# Auto-save after bulk operations
# Sessions include:
- Analyzed functions with summaries
- RAG vectors for semantic search
- Performance statistics
- UI state

Backend-Einrichtung

OGhidra unterstützt zwei Backend-Typen:

MCP – Integriert mit dem GhidraMCP-Server und erfordert, dass der Ghidra-Client während der Analyse läuft
PyGhidra – Unterstützt headless-Analyse ohne den Ghidra-Client und entfernt die von MCP benötigte Serverkomponente

Auswählen eines Backends

Verwenden Sie die folgende Befehlszeilenoption, um ein Backend auszuwählen:

--ghidra-backend={http,pyghidra}

Backend-Option	Beschreibung
`http`	Verwendet das GhidraMCP-Backend
`pyghidra`	Verwendet das PyGhidra-Backend

PyGhidra-Konfiguration

Verwenden eines bestehenden Ghidra-Projekts

Geben Sie beim Starten von OGhidra eine Ghidra-Projektdatei (.gpr) an:

--pyghidra-project=/path/to/project.gpr

PyGhidra benötigt ein gültiges Ghidra-Projekt, um OGhidra zu starten.

Auswählen eines Programms

Geben Sie an, welche Binärdatei im Ghidra-Projekt analysiert werden soll:

--pyghidra-program=<program_name>

Beispielaufruf zum Auswählen eines Programms in einem Ghidra-Projekt:

uv run main.py --ui --ghidra-backend=pyghidra --pyghidra-project=/path/to/project.gpr --pyghidra-program=<program_name>

Anforderungen:

Der Programmname muss exakt mit dem Namen übereinstimmen, der in der Ghidra-Projekt-GUI angezeigt wird
Diese Option ist erforderlich, wenn Sie ein bestehendes Projekt verwenden
Wenn Sie kein Programm angeben, wird OGhidra nicht gestartet

Direktes Starten einer Binärdatei

Sie können auch direkt einen Binärpfad angeben:

--pyghidra-binary=/path/to/binary

Wenn diese Option verwendet wird, führt PyGhidra automatisch Folgendes aus:

Erstellt ein neues Ghidra-Projekt (.gpr)
Importiert die Binärdatei
Startet die Binärdatei in OGhidra zur Analyse

Beispielaufruf zum direkten Starten einer Binärdatei:

uv run main.py --ui --ghidra-backend=pyghidra --pyghidra-binary=/path/to/binary

Häufige Workflows

Analysieren einer verdächtigen Binärdatei

Binärdatei in Ghidra laden und im CodeBrowser öffnen
OGhidraMCP-Plugin aktivieren (Datei → Konfigurieren)
OGhidra starten: uv run main.py --ui
Aufgabenmodus einstellen: „malware“ aus dem Dropdown auswählen
Intelligente Aufzählung ausführen: Klicken Sie auf „Alle Funktionen umbenennen“ → „Intelligente Aufzählung“
Fragen stellen: „Welche Funktionen sind risikoreich?“ oder „Zeige mir die Netzwerkkommunikation“

Sicherheitsbericht generieren

# In GUI: Click "Generate Report" button
# Report includes:
- Executive Summary
- Function Inventory (renamed functions with behavior)
- Security Analysis (high-risk functions, patterns)
- Import Analysis
- String Analysis
- Recommendations

Bestimmte Funktion untersuchen

Zur Funktion in Ghidra navigieren
Auf „Aktuelle Funktion analysieren“ klicken
Nachfolgende Fragen stellen:
- „Was macht diese Funktion?“
- „Ist diese anfällig für Pufferüberlauf?“
- „Welche anderen Funktionen rufen diese auf?“

Erweiterte Funktionen

RAG (Retrieval-Augmented Generation)

OGhidra verwendet Vektoreinbettungen für die semantische Suche über analysierte Funktionen:

# Enable in .env
RESULT_CACHE_ENABLED=true
TIERED_CONTEXT_ENABLED=true

Vorteile:

Frühere Analysen über Sitzungen hinweg merken
Ähnliche Funktionen semantisch finden
Redundante LLM-Aufrufe reduzieren

Kontextoptimierung

Mehrstufige Kontextkomprimierung bewahrt relevante Informationen:

CURRENT_LOOP_MAX_CHARS=2000   # Recent: full detail
PREV_LOOP_MAX_CHARS=400       # Previous: summaries
OLDER_LOOP_MAX_CHARS=100      # Older: references only

LLM-Protokollierung

Alle KI-Interaktionen zum Debuggen verfolgen:

LLM_LOGGING_ENABLED=true
LLM_LOG_FILE=logs/llm_interactions.log
LLM_LOG_FORMAT=json

Fehlerbehebung

Ghidra-Verbindungsprobleme

# Verify plugin is loaded
# Open up codebrowser!

# Check server is running
curl http://localhost:8080/methods

Ollama-Verbindungsprobleme

# Verify Ollama is running
ollama list

# Check connectivity
curl http://localhost:11434/api/tags

# Restart Ollama service
ollama serve

Leere Antworten / Kontextüberlauf

# Reduce context budget
CONTEXT_BUDGET=50000

# Enable compaction
COMPACTION_ENABLED=true
COMPACTION_THRESHOLD=0.75

Langsame Leistung

Kleinere Modelle verwenden: Wechseln Sie zu gemma3:9b
Parallele Arbeiter reduzieren: Setzen Sie max_workers=2 in Massenvorgängen
Vektoreinbettungen deaktivieren: RESULT_CACHE_ENABLED=false
Anforderungsverzögerung erhöhen: CUSTOM_API_REQUEST_DELAY=2.0

Architekturüberblick

┌─────────────────────────────────────────────────────────────┐
│                        OGhidra UI                           │
│                  (GUI / Interactive CLI)                    │
└────────────────────────┬────────────────────────────────────┘
                         │
                         ▼
┌─────────────────────────────────────────────────────────────┐
│                   Bridge (src/bridge.py)                    │
│  ┌────────────────────────────────────────────────────────┐ │
│  │ • Agentic Loop: Plan → Execute → Review → Replan       │ │
│  │ • Tool Router: Ghidra client, LLM client, CAG manager  │ │
│  │ • Context Manager: Budget allocation, compression      │ │
│  └────────────────────────────────────────────────────────┘ │
└───────────┬────────────────────────┬────────────────────────┘
            │                        │
            ▼                        ▼
┌───────────────────────┐  ┌─────────────────────────┐
│   Ghidra Client       │  │   LLM Clients           │
│ • GhidraMCP Plugin    │  │ • Ollama (local)        │
│ • Binary operations   │  │ • External APIs         │
│ • Decompilation       │  │ • Custom endpoints      │
└───────────────────────┘  └─────────────────────────┘
            │                        │
            └────────────┬───────────┘
                         ▼
┌─────────────────────────────────────────────────────────────┐
│               CAG Manager (Knowledge System)                │
│  ┌────────────────────────────────────────────────────────┐ │
│  │ • Vector Store: Semantic search over functions         │ │
│  │ • Pattern Detector: 12+ malware techniques             │ │
│  │ • Metadata Extractor: Structured function analysis     │ │
│  │ • Session Store: Persistent analysis state             │ │
│  └────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘

Mitwirken

Wir freuen uns über Beiträge! Interessengebiete:

Neue Malware-Muster zur Erkennung
Integration von LLM-Anbietern
UI/UX-Verbesserungen
Leistungsoptimierungen
Dokumentation und Beispiele

Siehe CODE_OF_CONDUCT.md für die Richtlinien der Gemeinschaft.

Zitation

Wenn Sie OGhidra in Ihrer Forschung verwenden, zitieren Sie bitte:

@software{oghidra2025,
  title = {OGhidra: AI-Powered Reverse Engineering with Ghidra},
  author = {Enoch Wang},
  year = {2025},
  url = {https://github.com/LLNL/OGhidra}
}

Danksagungen

OGhidra baut auf hervorragenden Open-Source-Projekten auf:

Ghidra – NSAs Reverse-Engineering-Plattform
Ollama – Lokale LLM-Laufzeitumgebung
LaurieWired/GhidraMCP – Ursprüngliches Ghidra-MCP-Plugin
starsong/GhydraMCP – Verbesserte MCP-Implementierung

Lizenz

OGhidra wird unter den Bedingungen der BSD-3-Clause-Lizenz mit einer Alternativlizenz für kommerzielle Nutzung vertrieben.

Details finden Sie in LICENSE und NOTICE.md.

LLNL-CODE-2013290

Support

Probleme: GitHub Issues
Diskussionen: GitHub Discussions
E-Mail direkt an mich: [email protected]

OGhidra — Updated!

Kategorien