AIDebug

Ausgangspunkt für Prüfer

Evidenzorientierte CLI für Reverse Engineering. Andrey Pautov entwickelt die Python-Analystenschnittstelle, Offline-Triage, String-Intelligenz, PE-Inspektion und Reporting-Workflows. Capstone, Ghidra, GDB und optionale KI-Anbieter sind Integrationen, keine von diesem Projekt verfassten Originalwerkzeuge.

Rollenrelevanz: Malware-Triage, Reverse-Engineering-Tooling, sichere KI-gestützte Analyse, Python-Bereitstellung.

Führen Sie die sichere lokale Demo aus und prüfen Sie den Validierungsumfang · Aufgezeichnete lokale Validierung

AIDebug ist eine evidenzorientierte CLI und Terminal-UI für Malware-Reverse-Engineering. Es kombiniert deterministische Offline-Triage, Hex-Inspektion der gesamten Datei, tiefgehende PE- Strukturanalyse, Capstone-Disassemblierung, Ghidra-Rekonstruktion, optionale LLM- Gegenprüfungen, lokales ELF-Debugging, kompilierte Lernübungen und Reporting für die Analystenprüfung.

Aktuelle Quellversion: AIDebug 3.1.0. Siehe die Versionshinweise zu 3.1.0.

Die neueste unveränderliche veröffentlichte Version bleibt AIDebug v3.0.0, verfügbar als 1200km-aidebug, bis das versionsgleiche Tag 3.1.0 und das GitHub-Release den verifizierten Veröffentlichungsworkflow abschließen.

Highlights

• Deterministische statische PE- und ELF-Triage ohne Erfordernis eines KI-Dienstes.
• String-Intelligenz für die gesamte Datei mit Vorkommensbewusstsein für ASCII, UTF-8, UTF-16LE und UTF-16BE mit intelligenten Kategorien, Ranking und DLL/API-Erklärungen.
• Schreibgeschützter, seitenweiser Hex-Viewer für die vollständige analysierte Datei.
• Tiefer PE32/PE32+-Strukturexplorer mit zugeordneten RVA, VA und Datei-Offsets.
• Ghidra-gestützte C-ähnliche Rekonstruktion für eine Funktion oder die vollständige begrenzte Funktionsmenge.
• Optionale evidenzbasierte Prüfung über Anthropic, OpenAI, Google Gemini oder einen lokalen Ollama-kompatiblen Endpunkt.
• GDB-gestütztes lokales ELF-Debugging mit Breakpoints, Einzelschritten, Registern, Deltas, Disassemblierungskontext und Kandidaten für Funktions-Ein-/Ausgaben.
• Einhundert eigenständige C-Lernfälle mit echter Compiler-Ausgabe, Disassemblierung und Ghidra-Pseudocode in der Haupt-GUI.
• SHA-256-indizierte lokale Analysehistorie und kompatible Wiederherstellung von Befunden.
• HTML-, versionierte JSON-, YARA-Kandidaten-, ATT&CK-Kandidaten- und CFG-Ausgaben für die Analystenprüfung.

Installation

Veröffentlichtes 3.0.0-Paket

Installieren Sie das stabile Paket von PyPI:

python3 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install 1200km-aidebug==3.0.0
aidebug --version

Installieren Sie bei Bedarf optionale Funktionen:

# LLM provider clients and local validation of AI-generated YARA candidates
python -m pip install "1200km-aidebug[ai]==3.0.0"

# Frida dynamic instrumentation
python -m pip install "1200km-aidebug[dynamic]==3.0.0"

# All optional Python integrations
python -m pip install "1200km-aidebug[all]==3.0.0"

Überprüfte Quelle 3.1.0

String Intelligence erfordert Quelle 3.1, bis sein Paket veröffentlicht ist. Die 3.1-Überprüfung fixiert die untenstehende Revision. Ihr Laufzeitcode stimmt außerdem mit der geprüften Main-Revision 80b0b7172b592814504c405a16bf4cc0ce4161eb vom 1. Oktober überein.

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
git checkout cd81ef242db0bcea3296970d45c241a4228d2d27
python3 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -e .
aidebug --version

Von diesem Checkout aus fügen Sie Extras mit python -m pip install -e ".[ai]", ".[dynamic]" oder ".[all]" hinzu. Halten Sie Extras auf demselben Installationspfad: Das Installieren von "1200km-aidebug[ai]==3.0.0" über Quelle 3.1 kann diese durch das veröffentlichte 3.0-Paket ersetzen.

Entwicklung

Für einen sich bewegenden Entwicklungs-Checkout:

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -e ".[dev,dynamic]"

Ghidra, GDB, Bubblewrap, ein C-Compiler und Frida-Zielkomponenten sind externe Werkzeuge, die nur von den Workflows verwendet werden, die sie benötigen.

REMnux-Integration

AIDebug wurde am 7. Oktober 2026 über PR #355 in REMnux aufgenommen und erstmals in salt-states v2026.41.4 enthalten. Der akzeptierte State installiert das nicht gepinnte 1200km-aidebug[ai] von PyPI nach /opt/aidebug, aktiviert Upgrades und stellt /usr/local/bin/aidebug bereit. Wie am 8. Oktober 2026 verifiziert wurde, bietet PyPI weiterhin 3.0.0 an; dies installiert weder den unveröffentlichten 3.1-Quellcode noch das dynamic-Extra. Verwende --offline, um die Analyse lokal zu halten. Siehe REMnux-Einrichtung und Versionsgrenzen.

Schnellstart

Öffne eine PE- oder ELF-Probe in der Hauptterminal-Oberfläche:

aidebug --binary /path/to/sample.exe --offline

Führe eine deterministische Analyse ohne die Vollbild-Oberfläche aus und exportiere Nachweise:

aidebug --binary /path/to/sample.exe \
  --offline --no-tui --report --json-export --yara \
  --out-dir reports/

Verwenden Sie die Ghidra-Rekonstruktion:

aidebug --binary /path/to/sample.exe --offline --no-tui --decompile
aidebug --binary /path/to/sample.exe --offline --no-tui \
  --decompile-all reports/sample-reconstruction.c

Analysiere eine C-Übersetzungseinheit über ein temporäres, nicht ausgeführtes ELF-Artefakt:

aidebug --source /path/to/example.c --offline --no-tui

Identifizieren Sie eine beliebige Datei unabhängig von ihrer Dateinamenerweiterung:

aidebug --identify /path/to/renamed-or-unknown-file --offline