AIDebug

Punto de partida para el revisor

CLI de ingeniería inversa centrada en la evidencia. Andrey Pautov desarrolla la interfaz de analista en Python, el triaje offline, la inteligencia de cadenas, la inspección de PE y los flujos de trabajo de generación de informes. Capstone, Ghidra, GDB y los proveedores de IA opcionales son integraciones, no herramientas originales creadas por este proyecto.

Relevancia del rol: Triaje de malware, herramientas de ingeniería inversa, análisis asistido por IA seguro, desarrollo en Python.

Ejecuta la demo local segura y revisa el alcance de validación · Validación local registrada

AIDebug es una CLI y una interfaz de terminal de ingeniería inversa de malware centrada en la evidencia. Combina triaje offline determinista, inspección hexadecimal de archivos completos, análisis profundo de la estructura PE, desensamblado con Capstone, reconstrucción con Ghidra, verificaciones cruzadas opcionales con LLM, depuración local de ELF, ejercicios de aprendizaje compilados y generación de informes para revisión del analista.

Versión actual del código fuente: AIDebug 3.1.0. Consulta las notas de la versión 3.1.0.

La última versión publicada inmutable sigue siendo AIDebug v3.0.0, disponible como 1200km-aidebug, hasta que la etiqueta 3.1.0 correspondiente a la versión y la release de GitHub completen el flujo de publicación verificado.

Aspectos destacados

• Triaje estático determinista de PE y ELF sin requerir un servicio de IA.
• Inteligencia de cadenas ASCII, UTF-8, UTF-16LE y UTF-16BE de archivo completo y consciente de las ocurrencias, con categorías inteligentes, clasificación y explicaciones de DLL/API.
• Visor hexadecimal de solo lectura y paginado para el archivo completo analizado.
• Explorador profundo de la estructura PE32/PE32+ con RVA, VA y desplazamientos de archivo mapeados.
• Reconstrucción de tipo C respaldada por Ghidra para una función o para el conjunto completo de funciones acotado.
• Revisión opcional basada en evidencia a través de Anthropic, OpenAI, Google Gemini o un endpoint local compatible con Ollama.
• Depuración local de ELF respaldada por GDB con puntos de interrupción, ejecución paso a paso, registros, deltas, contexto de desensamblado y candidatos de entrada/salida de funciones.
• Cien casos de aprendizaje de C independientes con salida real del compilador, desensamblado y pseudo-código de Ghidra en la GUI principal.
• Historial de análisis local indexado por SHA-256 y restauración compatible de hallazgos.
• Salidas HTML, JSON versionado, candidatos YARA, candidatos ATT&CK y CFG para la revisión del analista.

Instalación

Paquete publicado 3.0.0

Instala el paquete estable desde 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

Instale las capacidades opcionales según sea necesario:

# 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"

Revisión del código fuente 3.1.0

String Intelligence requiere el código fuente 3.1 hasta que se publique su paquete. La revisión de 3.1 fija la revisión a continuación. Su código en tiempo de ejecución también coincide con la revisión auditada de main del 1 de octubre 80b0b7172b592814504c405a16bf4cc0ce4161eb.

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

Desde ese checkout, añade extras con python -m pip install -e ".[ai]", ".[dynamic]", o ".[all]". Mantén los extras en la misma vía de instalación: instalar "1200km-aidebug[ai]==3.0.0" sobre la fuente 3.1 puede reemplazarlo con el paquete publicado 3.0.

Desarrollo

Para un checkout de desarrollo en movimiento:

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, un compilador de C y los componentes de destino de Frida son herramientas externas utilizadas únicamente por los flujos de trabajo que las requieren.

Integración con REMnux

AIDebug fue aceptado en REMnux el 7 de octubre de 2026 mediante PR #355, incluido por primera vez en salt-states v2026.41.4. El estado aceptado instala 1200km-aidebug[ai] sin fijar versión desde PyPI en /opt/aidebug, habilita las actualizaciones y expone /usr/local/bin/aidebug. Según lo verificado el 8 de octubre de 2026, PyPI todavía proporciona 3.0.0; esto no instala el código fuente 3.1 no publicado ni el extra dynamic. Use --offline para mantener el análisis local. Consulte Configuración de REMnux y límites de versión.

Inicio rápido

Abra una muestra PE o ELF en la interfaz principal de terminal:

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

Ejecute análisis deterministas sin la interfaz de pantalla completa y exporte la evidencia:

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

Utilice la reconstrucción de Ghidra:

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

Analizar una unidad de traducción de C a través de un artefacto ELF temporal no ejecutado:

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

Identificar un archivo arbitrario independientemente de su extensión de nombre de archivo:

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