कोंग क्या है?

अधिकांश कार्य एक रेखीय संबंध का पालन करते हैं: कार्य जितना कठिन होता है, आमतौर पर इसमें उतना ही अधिक समय लगता है। रिवर्स इंजीनियरिंग (और बाइनरी विश्लेषण) एक ऐसा कार्य है जिसमें वास्तविक कठिनाई कुछ हद तक तुच्छ है, लेकिन निष्पादन का समय घंटों (और दिनों!) के क्रम में हो सकता है, यहां तक कि कुछ सौ फ़ंक्शन वाले बाइनरी के लिए भी।

कोंग यांत्रिक परत को स्वचालित करता है, NSA-ग्रेड रिवर्स इंजीनियरिंग फ्रेमवर्क का उपयोग करके। कोंग एक पूरी तरह से अस्पष्ट, स्ट्रिप्ड बाइनरी ले सकता है और एक पूर्ण विश्लेषण पाइपलाइन चला सकता है: फ़ंक्शन को ट्राइएज करना, कॉल-ग्राफ़ संदर्भ बनाना, LLM-निर्देशित डीकंपाइलेशन के माध्यम से प्रकार और प्रतीकों को पुनर्प्राप्त करना, और परिणामों को Ghidra के प्रोग्राम डेटाबेस में वापस लिखना। आउटपुट एक बाइनरी है जहाँ कुछ FUN_00401a30 अब parse_http_header है, पुनर्प्राप्त स्ट्रक्ट्स, पैरामीटर नाम और कॉलिंग कन्वेंशन के साथ।

यह क्यों मौजूद है

स्ट्रिप्ड बाइनरी वह सारा संदर्भ खो देती है जो कोड को पढ़ने योग्य बनाता है: फ़ंक्शन नाम, प्रकार की जानकारी, चर नाम, स्ट्रक्ट लेआउट। उस संदर्भ को पुनर्प्राप्त करना अधिकांश रिवर्स इंजीनियरिंग कार्यों में मुख्य कार्य है, और यह काफी हद तक पैटर्न मिलान है: मानक लाइब्रेरी फ़ंक्शन को पहचानना, उपयोग से प्रकार का अनुमान लगाना, कॉल ग्राफ़ के माध्यम से नामों का प्रसार करना।

LLM इस प्रकार के पैटर्न मिलान में ठीक अच्छे हैं। लेकिन कच्चे डीकंपाइलर आउटपुट पर LLM को इंगित करना और पूछना "यह क्या करता है?" आपको औसत दर्जे के परिणाम देता है। मॉडल में कॉलिंग संदर्भ, क्रॉस-रेफरेंस जानकारी, और यह व्यापक चित्र नहीं है कि बाइनरी कैसे संरचित है। इसके अलावा, अधिकांश अस्पष्ट बाइनरी रिवर्स इंजीनियरिंग को रोकने के लिए चरम तकनीकें पेश करती हैं।

कोंग इसे LLM को छूने से पहले Ghidra के प्रोग्राम विश्लेषण (कॉल ग्राफ़, क्रॉस-रेफरेंस, स्ट्रिंग रेफरेंस, डेटा प्रवाह) से समृद्ध संदर्भ विंडो बनाकर हल करता है, फिर निर्भरता क्रम में विश्लेषण को व्यवस्थित करता है ताकि प्रत्येक फ़ंक्शन को उसके कैलीज़ के पहले से नामित होने का लाभ मिले। इसके अतिरिक्त, कोंग अपनी खुद की, अपनी तरह की पहली, एजेंटिक डीऑबफस्केशन पाइपलाइन पेश करता है।

कार्रवाई में

विशेषताएँ

• पूरी तरह से स्वायत्त पाइपलाइन: एक कमांड पूरा विश्लेषण चलाता है। ट्राइएज, फ़ंक्शन विश्लेषण, सफाई, सिमैंटिक सिंथेसिस और निर्यात। किसी मैन्युअल हस्तक्षेप की आवश्यकता नहीं है।
• इन-प्रोसेस Ghidra एकीकरण: PyGhidra और JPype के माध्यम से इन-प्रोसेस Ghidra के विश्लेषण इंजन को चलाता है। कोई सर्वर नहीं, कोई RPC नहीं, कोई सबप्रोसेस ओवरहेड नहीं। प्रोग्राम डेटाबेस तक सीधी पहुंच।
• कॉल-ग्राफ़-क्रमित विश्लेषण: फ़ंक्शन कॉल ग्राफ़ से नीचे-ऊपर क्रम में विश्लेषित किए जाते हैं। लीफ़ फ़ंक्शन को पहले नामित किया जाता है, जिससे कॉलर्स को उनके डीकंपाइलेशन में पहले से हल किए गए संदर्भ का लाभ मिलता है।
• समृद्ध संदर्भ विंडो: प्रत्येक LLM प्रॉम्प्ट में लक्ष्य फ़ंक्शन का डीकंपाइलेशन और क्रॉस-रेफरेंस, स्ट्रिंग रेफरेंस, कॉलर/कैली सिग्नेचर, और पड़ोसी डेटा शामिल होता है; केवल अलग-थलग कच्चा डीकंपाइलर आउटपुट नहीं।
• सिमैंटिक सिंथेसिस: एक पोस्ट-विश्लेषण पास जो बाइनरी में नामकरण परंपराओं को एकीकृत करता है, फ़ील्ड एक्सेस पैटर्न से स्ट्रक्ट परिभाषाओं को संश्लेषित करता है, और स्वतंत्र रूप से विश्लेषित फ़ंक्शनों के बीच विसंगतियों को हल करता है।
• सिग्नेचर मिलान: LLM विश्लेषण से पहले ज्ञात मानक लाइब्रेरी और क्रिप्टोग्राफ़िक फ़ंक्शन पैटर्न द्वारा पहचाने जाते हैं, ज्ञात पहचान वाले फ़ंक्शनों के लिए महंगे अनुमान को छोड़ सकते हैं।
• सिंटैक्टिक नॉर्मलाइज़ेशन: LLM तक पहुँचने से पहले डीकंपाइलर आउटपुट को साफ़ किया जाता है (मॉड्यूलो पुनर्प्राप्ति, नकारात्मक शाब्दिक पुनर्निर्माण, मृत असाइनमेंट हटाना), शोर और टोकन बर्बादी को कम करना।
• एजेंटिक डीऑबफस्केशन: कोंग एक एजेंटिक डीऑबफस्केशन पाइपलाइन का उपयोग करता है जो डीकंपाइलर आउटपुट से अस्पष्टता तकनीकों (कंट्रोल फ्लो फ़्लैटनिंग, बोगस कंट्रोल फ्लो, निर्देश प्रतिस्थापन, स्ट्रिंग एन्क्रिप्शन, VM सुरक्षा, आदि) की पहचान और हटा सकता है।
• मूल्यांकन फ्रेमवर्क: अंतर्निहित मूल्यांकन हार्नेस जो आउटपुट को ग्राउंड-ट्रुथ स्रोत कोड के विरुद्ध स्कोर करता है, प्रतीक सटीकता (शब्द-आधारित जैकार्ड) और प्रकार सटीकता (सिग्नेचर घटक स्कोरिंग) को मापता है।
• मल्टी-प्रोवाइडर LLM समर्थन: आउट ऑफ़ द बॉक्स Anthropic (Claude) और OpenAI (GPT-4o) के साथ काम करता है। एक इंटरैक्टिव सेटअप विज़ार्ड प्रदाताओं को कॉन्फ़िगर करता है और स्मार्ट रूटिंग स्वचालित रूप से उस प्रदाता का चयन करता है जिसके पास मान्य कुंजी है।
• लागत-ट्रैकिंग: प्रदाताओं में प्रति मॉडल टोकन उपयोग और लागत को ट्रैक करता है, प्रदाता-जागरूक मूल्य निर्धारण के साथ।

समर्थित आर्किटेक्चर

कोंग अधिकांश Ghidra-डीकंपाइल करने योग्य बाइनरी के साथ काम करता है (अभी के लिए, और आने वाला है)।

आत्मविश्वास

	C	C++	Go	Rust
x86	उच्च	उच्च	मध्यम	मध्यम
x86-64	उच्च	उच्च	मध्यम	मध्यम
ARM (32-bit)	उच्च	उच्च	मध्यम	निम्न
AArch64	उच्च	उच्च	मध्यम	निम्न
MIPS	मध्यम	मध्यम	निम्न	निम्न
PowerPC	मध्यम	मध्यम	निम्न	निम्न

उच्च: कोंग विश्वसनीय रूप से डीकंपाइल करता है, डीऑबफसकेट करता है, और नाम, प्रकार और संरचना को पुनर्प्राप्त करता है।

मध्यम: डीकंपाइलेशन उपयोग करने योग्य है लेकिन अधिक शोर वाला है। आंशिक पुनर्प्राप्ति और कम आत्मविश्वास स्कोर की अपेक्षा करें।

निम्न: डीकंपाइलेशन में महत्वपूर्ण अंतराल हैं और परिणाम अपूर्ण, शोर वाले या अपठनीय रहेंगे।

नोट: बाइनरी का आकार फ़ंक्शन गणना, LLM लागत और पूरा होने के समय के साथ सकारात्मक रूप से बढ़ता है। हालाँकि, बाइनरी का आकार आत्मविश्वास के साथ नकारात्मक रूप से भी बढ़ता है, इसलिए बड़े बाइनरी का विश्लेषण करते समय इसे ध्यान में रखें।

आर्किटेक्चर

कोंग एक पर्यवेक्षक द्वारा संचालित पाँच-चरणीय पाइपलाइन का उपयोग करता है जो ट्राइएज, समानांतर विश्लेषण और पोस्ट-प्रोसेसिंग का समन्वय करता है:

                    ┌──────────────────────┐
                    │       Triage         │
                    │  enumerate, classify,│
                    │  build call graph,   │
                    │  match signatures    │
                    └──────────┬───────────┘
                               │
                               ▼
              ┌────────────────┼────────────────┐
              │                │                │
              ▼                ▼                ▼
     ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
     │   Analyze    │ │   Analyze    │ │     ...      │
     │  (leaf fns)  │ │ (next tier)  │ │              │
     └──────┬───────┘ └──────┬───────┘ └──────┬───────┘
            │                │                │
            └────────┬───────┴────────────────┘
                     │
                     ▼
            ┌──────────────────────┐
            │      Cleanup         │
            │  normalize, dedupe   │
            └──────────┬───────────┘
                       │
                       ▼
            ┌──────────────────────┐
            │     Synthesis        │
            │  unify names, build  │
            │  structs, deobfuscate│
            └──────────┬───────────┘
                       │
                       ▼
            ┌──────────────────────┐
            │       Export         │
            │  analysis.json +     │
            │  Ghidra writeback    │
            └──────────────────────┘

यह कैसे काम करता है