oneiromancer

"Ein großer Teil der Fehler in der Softwareentwicklung ist darauf zurückzuführen, dass Programmierer nicht alle möglichen Zustände vollständig verstehen, in denen ihr Code ausgeführt werden kann." -- John Carmack

"Kann es Doom ausführen?" -- https://canitrundoom.org/

Oneiromancer ist ein Reverse-Engineering-Assistent, der ein lokal laufendes LLM verwendet, das für Hex-Rays Pseudocode feinabgestimmt wurde, um bei der Codeanalyse zu helfen. Es kann eine Funktion oder einen kleineren Codeausschnitt analysieren und liefert eine High-Level-Beschreibung dessen, was der Code tut, einen empfohlenen Namen für die Funktion und Vorschläge zur Umbenennung von Variablen, basierend auf den Ergebnissen der Analyse.

Funktionen

• Plattformübergreifende Unterstützung für das feinabgestimmte LLM aidapal basierend auf mistral-7b-instruct.
• Einfache Integration mit dem Pseudocode-Extraktor haruspex und gängigen IDEs.
• Codebeschreibung, empfohlener Funktionsname und Vorschläge zur Variablenumbenennung werden im Terminal ausgegeben.
• Der verbesserte Pseudocode jeder analysierten Funktion wird in einer separaten Datei zur einfachen Überprüfung gespeichert.
• Externe Crates können analyze_code oder analyze_file aufrufen, um Pseudocode zu analysieren und anschließend die Analyseergebnisse zu verarbeiten.

Artikel

• https://hnsecurity.it/blog/aiding-reverse-engineering-with-rust-and-a-local-llm

Siehe auch

• https://www.atredis.com/blog/2024/6/3/how-to-train-your-large-language-model
• https://huggingface.co/AverageBusinessUser/aidapal
• https://github.com/atredispartners/aidapal
• https://plugins.hex-rays.com/atredispartners/aidapal

Installation

Der einfachste Weg, die neueste Version zu erhalten, ist über crates.io:

cargo install oneiromancer --locked

Um es als Bibliothek zu installieren, führen Sie den folgenden Befehl in Ihrem Projektverzeichnis aus:

cargo add oneiromancer

Kompilieren

Alternativ können Sie aus dem Quellcode bauen:

git clone --depth 1 https://github.com/0xdea/oneiromancer
cd oneiromancer
cargo build --release --locked

Konfiguration

1. Laden Sie Ollama herunter und installieren Sie es.
2. Laden Sie die feinabgestimmten Gewichte und die Ollama-Modelfile von Hugging Face herunter:

   wget https://huggingface.co/AverageBusinessUser/aidapal/resolve/main/aidapal-8k.Q4_K_M.gguf
   wget https://huggingface.co/AverageBusinessUser/aidapal/resolve/main/aidapal.modelfile
   

3. Konfigurieren Sie Ollama, indem Sie die folgenden Befehle in dem Verzeichnis ausführen, in das Sie die Dateien heruntergeladen haben:

   ollama create aidapal -f aidapal.modelfile
   ollama list
   

Verwendung

1. Führen Sie oneiromancer wie folgt aus:

   export OLLAMA_BASEURL=custom_baseurl # if not set, the default will be used
   export OLLAMA_MODEL=custom_model # if not set, the default will be used
   oneiromancer <target_file>.c
   

2. Finden Sie den verbesserten Pseudocode in <target_file>.out.c:

   vim <target_file>.out.c
   code <target_file>.out.c
   

[!TIP] Für beste Ergebnisse übergeben Sie jeweils eine Funktion zur Analyse an das LLM.

Kompatibilität

Getestet mit Ollama 0.32.9 auf:

• Apple macOS Tahoe 26.5.2
• Ubuntu Linux 24.04.2 LTS
• Microsoft Windows 11 23H2

Danksagungen

• Chris Bellows (@AverageBusinessUser) bei Atredis Partners für sein feinabgestimmtes LLM aidapal <3

Changelog

• CHANGELOG.md

TODO

• Verbesserung der Ausgabedateiverwaltung mit Versionierung und/oder einem Ausgabeverzeichnis.
• Implementierung weiterer Funktionen des IDAPython aidapal IDA Pro Plugins (z. B. Kontext).
• Integration mit haruspex und idalib.
• Implementierung eines "Minority Report"-Protokolls (d. h. drei Abfragen durchführen und die besten Antworten auswählen).
• Erwägung eines Refactorings der Variablenumbenennung, um potenzielle Codebeschädigung zu verhindern.
• Untersuchung weiterer Anwendungsfälle für das aidapal LLM und Implementierung einer modularen Architektur zum Einbinden benutzerdefinierter LLMs.