AIDebug

Point de départ pour l'évaluation

CLI de rétro-ingénierie centrée sur les preuves. Andrey Pautov développe l'interface d'analyse Python, le triage hors ligne, l'intelligence des chaînes, l'inspection PE et les workflows de reporting. Capstone, Ghidra, GDB et les fournisseurs d'IA optionnels sont des intégrations, et non des outils originaux écrits par ce projet.

Pertinence du rôle : Triage de logiciels malveillants, outillage de rétro-ingénierie, analyse assistée par IA sécurisée, livraison Python.

Exécuter la démo locale sécurisée et examiner le périmètre de validation · Validation locale enregistrée

AIDebug est une CLI et une interface terminal de rétro-ingénierie de logiciels malveillants centrée sur les preuves. Elle combine un triage déterministe hors ligne, une inspection hexadécimale du fichier entier, une analyse approfondie de la structure PE, un désassemblage Capstone, une reconstruction Ghidra, des contre-vérifications LLM optionnelles, un débogage ELF local, des exercices d'apprentissage compilés et un reporting pour l'évaluation par l'analyste.

Version source actuelle : AIDebug 3.1.0. Voir les notes de version 3.1.0.

La dernière version publiée immuable reste AIDebug v3.0.0, disponible sous le nom 1200km-aidebug, jusqu'à ce que le tag 3.1.0 correspondant à la version et la release GitHub achèvent le workflow de publication vérifié.

Points forts

• Triage statique déterministe PE et ELF sans nécessiter de service d'IA.
• Intelligence des chaînes ASCII, UTF-8, UTF-16LE et UTF-16BE sur le fichier entier, tenant compte des occurrences, avec catégories intelligentes, classement et explications des DLL/API.
• Visionneuse hexadécimale paginée en lecture seule pour l'intégralité du fichier analysé.
• Explorateur approfondi de structure PE32/PE32+ avec RVA, VA et offsets de fichier mappés.
• Reconstruction de type C basée sur Ghidra pour une fonction ou l'ensemble borné complet des fonctions.
• Revue optionnelle fondée sur les preuves via Anthropic, OpenAI, Google Gemini ou un point de terminaison local compatible Ollama.
• Débogage ELF local basé sur GDB avec points d'arrêt, pas à pas, registres, deltas, contexte de désassemblage et candidats d'entrée/sortie de fonction.
• Cent cas d'apprentissage C autonomes avec sortie réelle du compilateur, désassemblage et pseudo-code Ghidra dans l'interface graphique principale.
• Historique d'analyse local indexé par SHA-256 et restauration compatible des résultats.
• Sorties HTML, JSON versionné, candidats YARA, candidats ATT&CK et CFG pour l'évaluation par l'analyste.

Installation

Paquet publié 3.0.0

Installez le paquet stable depuis 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

Installez les fonctionnalités optionnelles selon vos besoins :

# 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"

Source 3.1.0 examinée

String Intelligence nécessite la source 3.1 jusqu'à la publication de son paquet. La revue de la 3.1 épingle la révision ci-dessous. Son code d'exécution correspond également à la révision auditée du 1er octobre de la branche main 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

À partir de ce checkout, ajoutez les extras avec python -m pip install -e ".[ai]", ".[dynamic]", ou ".[all]". Gardez les extras sur la même voie d'installation : installer "1200km-aidebug[ai]==3.0.0" par-dessus la source 3.1 peut le remplacer par le paquet publié 3.0.

Développement

Pour un checkout de développement évolutif :

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 compilateur C et les composants cibles Frida sont des outils externes utilisés uniquement par les workflows qui en ont besoin.

Intégration REMnux

AIDebug a été accepté dans REMnux le 7 octobre 2026 via PR #355, inclus pour la première fois dans salt-states v2026.41.4. L'état accepté installe 1200km-aidebug[ai] non épinglé depuis PyPI dans /opt/aidebug, active les mises à jour et expose /usr/local/bin/aidebug. Comme vérifié le 8 octobre 2026, PyPI fournit toujours 3.0.0 ; cela n'installe pas la source 3.1 non publiée ni l'extra dynamic. Utilisez --offline pour garder l'analyse locale. Voir Configuration REMnux et limites de version.

Démarrage rapide

Ouvrez un échantillon PE ou ELF dans l'interface principale du terminal :

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

Exécutez une analyse déterministe sans l'interface plein écran et exportez les preuves :

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

Utilisez la reconstruction 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

Analyser une unité de traduction C via un artefact ELF temporaire, non exécuté :

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

Identifier un fichier arbitraire indépendamment de son extension de nom de fichier :

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