---

¿Por qué LCSAJdump?

Los escáneres ROP comunes utilizan un enfoque lineal de "ventana deslizante" sobre los bytes ejecutables del binario. Este método falla sistemáticamente al identificar Shadow Gadgets: cadenas de ejecución que atraviesan bloques de memoria no contiguos conectados por saltos incondicionales o bifurcaciones condicionales.

LCSAJdump supera esta limitación reconstruyendo el Grafo de Flujo de Control (CFG) mediante el análisis LCSAJ (Secuencia Lineal de Código y Salto). Al modelar el binario como un grafo dirigido de bloques básicos, la herramienta identifica:

1. Gadgets contiguos: Secuencias lineales estándar que terminan en una transferencia de flujo de control.
2. Shadow Gadgets (no contiguos): Cadenas complejas que evitan los "bytes malos" (ej. bytes nulos) utilizando instrucciones que de otro modo serían inalcanzables mediante el escaneo lineal.

---

Características principales

• Soporte multiarquitectura: Soporte nativo para RISC-V (64GC), x86-64 y ARM64, fácilmente extensible a otras arquitecturas mediante perfiles modulares.
• Análisis basado en grafos: Segmenta la sección .text en bloques básicos LCSAJ y reconstruye las relaciones de flujo mediante un grafo de flujo de control inverso construido a medida (representación ligera de adyacencia, sin dependencia de grafos pesados).
• Algoritmo Rainbow BFS: Búsqueda en anchura inversa propietaria que parte de los sumideros de flujo de control. Ahora cuenta con un filtro de unicidad temprana O(1) y límites de instrucciones con tope duro para evitar la explosión de estados y garantizar un análisis ultrarrápido incluso en binarios CISC densos.
• Construcción perezosa del grafo: La construcción del grafo retiene solo los nodos alcanzables desde las colas de los gadgets dentro de --depth saltos, reduciendo drásticamente la memoria y el tiempo de construcción en binarios grandes (ej. libc) mientras produce resultados idénticos.
• Motor de clasificación en dos etapas: Combina una línea base heurística ultra rápida (optimizada mediante Bayes con Optuna) con un modelo ML LightGBM de aprendizaje profundo que refina la calidad del gadget utilizando características estructurales y semánticas.
• Inferencia sin sobrecarga: El modelo ML está integrado de forma nativa y se ejecuta por defecto, procesando decenas de miles de nodos en segundos. Actúa como un filtro altamente efectivo, rechazando saltos ruidosos y devolviendo cadenas de gadgets limpias y altamente controlables. Alojado en Hugging Face.
• Parámetros de poda: Factor de "Oscuridad" configurable para equilibrar la profundidad del análisis y el rendimiento, evitando bucles infinitos en grafos cíclicos.

---

Arquitecturas compatibles

(ver Puntos de referencia).

LCSAJdump está diseñado para ser universal. Actualmente compatibles:

• RISC-V de 64 bits (RV64GC): Soporte completo para instrucciones comprimidas de 16 bits.
• x86-64: Maneja instrucciones superpuestas de longitud variable. Navega de forma segura por grafos densos sin explosión de memoria.
• ARM64: Maneja instrucciones de 32 bits y filtra profundamente los gadgets inflados mediante penalizaciones heurísticas estrictas.
• Otras arquitecturas: Se pueden implementar fácilmente definiendo nuevos perfiles en config.py.

---

Instalación

Mediante Pip (Recomendado)

pip install lcsajdump

Desde el código fuente (Desarrollo)

git clone [https://github.com/Chris1sFlaggin/LCSAJdump.git](https://github.com/Chris1sFlaggin/LCSAJdump.git)
cd LCSAJdump
pip install -r requirements.txt

---

Uso

LCSAJdump ofrece una potente CLI para un análisis preciso de binarios:

Análisis estándar (RISC-V por defecto):

python LCSAJdump.py <ruta_al_binario>

Análisis avanzado (especificando arquitectura y archivo de salida):

lcsajdump -a riscv64 -d 15 -k 10 -l 20 -o gadgets.txt <ruta_al_binario>

Exportar como JSON con filtro de caracteres malos:

lcsajdump -a x86_64 -d 20 -k 5 -b "000a0d" --json -o gadgets.json <ruta_al_binario>

Nota: Use -o después de --json para guardar JSON en un archivo. Sin --json, -o guarda texto plano.

Guardar salida en texto plano:

lcsajdump -a riscv64 -d 15 -k 10 -l 20 -o gadgets.txt <ruta_al_binario>

Analizar todas las secciones ejecutables:

lcsajdump --all-exec -d 25 -k 10 -l 30 <ruta_al_binario>

Forzar clasificación estrictamente algorítmica (omitir ML):

lcsajdump --algo <ruta_al_binario>

Opciones de la CLI

Bandera	Tipo	Predeterminado	Descripción
-a, --arch	TEXT	auto	Arquitectura objetivo (auto, riscv64, x86_64, arm64). Se detecta automáticamente desde la cabecera ELF.
-d, --depth	INTEGER	20	Profundidad máxima de búsqueda en bloques LCSAJ. Controla la longitud de la cadena.
-k, --darkness	INTEGER	5	Umbral de poda: número máximo de visitas por nodo. Mayor = más gadgets, escaneo más lento.
-l, --limit	INTEGER	10	Número máximo de gadgets a mostrar en la salida.
-s, --min-score	INTEGER	0	Puntuación heurística mínima para que un gadget aparezca en los resultados.
-i, --instructions	INTEGER	15	Número máximo de instrucciones contenidas en un solo nodo LCSAJ.
-v, --verbose	FLAG	—	Activa la salida detallada para resultados por gadget.
-o, --output	PATH	—	Escribe la salida en un archivo. Texto plano por defecto; úselo con --json para salida JSON.
-b, --bad-chars	TEXT	—	Bytes hexadecimales a filtrar de las direcciones de los gadgets (ej. "000a0d").
--json	FLAG	—	Salida de gadgets como JSON estructurado. Combínalo con -o para guardar en archivo.
--all-exec	FLAG	—	Analiza todas las secciones ejecutables, no solo .text.
-al, --algo	FLAG	—	Usa estrictamente la clasificación algorítmica (omite ML).
--version	FLAG	—	Muestra la versión instalada y sale.
--help	FLAG	—	Muestra el mensaje de ayuda y sale.

---

---

Precisión y puntos de referencia

LCSAJdump está respaldado por un conjunto de pruebas riguroso e incrementablemente validado ubicado en el directorio benchmarkTests/.