OGhidra 3 - Ingeniería inversa impulsada por IA con Ghidra

Para la versión que utiliza un Orchestrator inspirado en Claude, consulta https://github.com/llnl/OGhidra/tree/orchestrator

OGhidra une los Grandes Modelos de Lenguaje con la plataforma de ingeniería inversa de Ghidra, permitiendo análisis de binarios impulsados por IA a través del lenguaje natural. Analiza binarios de forma conversacional, automatiza flujos de trabajo complejos y mantén total privacidad con modelos de IA locales.

Tutorial de configuración en YouTube

---

¿Qué es OGhidra?

OGhidra mejora Ghidra con capacidades de IA, permitiéndote:

• Análisis en lenguaje natural - Haz preguntas sobre funciones, cadenas e importaciones en inglés sencillo
• Flujos de trabajo automatizados - Renombra funciones, detecta patrones, genera informes completos
• Modelos de IA locales - Privacidad total con modelos que se ejecutan en tu hardware (Ollama)
• Soporte de IA en la nube - Conéctate a API externas (OpenAI, Google Gemini, Anthropic Claude)
• Detección de malware - Coincidencia automática de patrones para más de 12 técnicas de evasión e inyección
• Enumeración inteligente - Construye grafos de conocimiento consultables a partir del análisis de binarios
• Análisis multi-instancia - Ejecuta múltiples instancias de Ghidra para análisis en paralelo

Cómo funciona

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

Bucle agéntico: OGhidra utiliza un sistema de planificación adaptativa. Después de cada ciclo de ejecución, los resultados se revisan y la IA puede optar por recopilar más información o refinar su análisis antes de ofrecer la respuesta final.

---

Inicio rápido

Requisitos previos

1. Python 3.12+ - Verifica la versión: python --version
2. Ghidra 12.0.3 (Recomendado) - Descárgalo desde Ghidra Releases
   • La ruta de compilación/instalación del plugin está documentada para Ghidra 12.0.3
   • Probado con: Ghidra 11.0.3, 11.3.2, 12.0.2, 12.0.3
3. Java 21 - Requerido para compilar la extensión de Ghidra 12.0.3: java -version
4. Ollama (opcional, para modelos locales) - Instálalo desde ollama.com

Instalación

# 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

Configuración del plugin de Ghidra

Los pasos de compilación del plugin OGhidraMCP a continuación están dirigidos a Ghidra 12.0.3 (recomendado). También hay un tutorial en video de YouTube: https://www.youtube.com/watch?v=hBD92FUgR0Y

Compilación de la extensión GhidraMCP

Como desarrollador, necesitarás compilar la extensión GhidraMCP antes de instalarla en Ghidra:

1. Requisitos previos:

   • Ghidra 12.0.3 instalado
   • Java 21

2. Opción 1: Usar los scripts de compilación automatizados:

   • 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
     

3. Opción 2: Proceso de compilación manual:

   • Crea/actualiza OGhidraMCP/gradle.properties con la ruta de instalación de Ghidra:

     GHIDRA_INSTALL_DIR=/absolute/path/to/ghidra_12.0.3_PUBLIC
     

   • En Unix/Linux/macOS:

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

   • En Windows:

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

4. Localiza la extensión compilada:

   • El archivo zip de la extensión se crea en OGhidraMCP/dist/
   • El nombre del archivo será algo como ghidra_12.0.3_PUBLIC_YYYYMMDD_OGhidraMCP.zip

Instalación de la extensión GhidraMCP

Una vez que hayas compilado la extensión correctamente:

1. Instalar en Ghidra:

   • Abre Ghidra -> File -> Install Extensions
   • Haz clic en Add Extension (ícono de signo más verde)
   • Navega hasta tu directorio OGhidraMCP/dist/
   • Selecciona el archivo zip de la extensión recién compilada (p. ej., ghidra_12.0.3_PUBLIC_YYYYMMDD_OGhidraMCP.zip)
   • Reinicia Ghidra

2. Habilitar el plugin:

   • Abre un proyecto de Ghidra
   • File → Configure → Enable Developer
   • Habilita el plugin OGhidraMCP
   • El servidor se iniciará en http://localhost:8080/methods

   DEBES TENER EL CODE BROWSER ABIERTO

Descargar modelos de IA

# 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

Iniciar OGhidra

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

# Interactive CLI
uv run main.py --interactive

# In interactive CLI, test connection
health

Si iniciaste el modo GUI, usa:

curl http://localhost:8080/methods

---

Configuración

Edita .env para configurar tu proveedor de IA:

Opción 1: Modelos locales (Ollama)

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

Opción 2: API externas

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

Opción 3: API personalizada compatible con OpenAI

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

Ajustes de gestión de contexto

Ajusta según la ventana de contexto de tu modelo:

# 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

---

Características principales

1. Botones de herramientas inteligentes (GUI)

Acceso con un clic a tareas comunes de ingeniería inversa: