oneiromancer

"Una gran parte dei difetti nello sviluppo del software è dovuta al fatto che i programmatori non comprendono appieno tutti i possibili stati in cui il loro codice può essere eseguito." -- John Carmack

"Può far girare Doom?" -- https://canitrundoom.org/

Oneiromancer è un assistente di reverse engineering che utilizza un LLM eseguito localmente e ottimizzato (fine-tuned) per lo pseudocodice di Hex-Rays, allo scopo di facilitare l'analisi del codice. Può analizzare una funzione o un frammento di codice più piccolo, restituendo una descrizione ad alto livello di ciò che il codice fa, un nome consigliato per la funzione e suggerimenti per la rinomina delle variabili, in base ai risultati dell'analisi.

Caratteristiche

• Supporto multipiattaforma per l'LLM ottimizzato aidapal basato su mistral-7b-instruct.
• Facile integrazione con l'estrattore di pseudocodice haruspex e gli IDE più diffusi.
• Descrizione del codice, nome di funzione consigliato e suggerimenti per la rinomina delle variabili vengono stampati sul terminale.
• Lo pseudocodice migliorato di ogni funzione analizzata viene salvato in un file separato per una facile consultazione.
• Le crate esterne possono invocare analyze_code o analyze_file per analizzare lo pseudocodice e poi elaborare i risultati dell'analisi.

Articolo

• https://hnsecurity.it/blog/aiding-reverse-engineering-with-rust-and-a-local-llm

Vedi anche

• https://www.atredis.com/blog/2024/6/3/how-to-train-your-large-language-model
• https://huggingface.co/AverageBusinessUser/aidapal
• https://github.com/atredispartners/aidapal
• https://plugins.hex-rays.com/atredispartners/aidapal

Installazione

Il metodo più semplice per ottenere l'ultima release è tramite crates.io:

cargo install oneiromancer

Per installarlo come libreria, esegui il seguente comando nella directory del tuo progetto:

cargo add oneiromancer

Compilazione

In alternativa, puoi compilare dal sorgente:

git clone https://github.com/0xdea/oneiromancer
cd oneiromancer
cargo build --release

Configurazione

1. Scarica e installa Ollama.
2. Scarica i pesi ottimizzati e il modelfile di Ollama da Hugging Face:
   root@kitploit:~

   wget https://huggingface.co/AverageBusinessUser/aidapal/resolve/main/aidapal-8k.Q4_K_M.gguf
   wget https://huggingface.co/AverageBusinessUser/aidapal/resolve/main/aidapal.modelfile
   

3. Configura Ollama eseguendo i seguenti comandi nella directory in cui hai scaricato i file:
   root@kitploit:~

   ollama create aidapal -f aidapal.modelfile
   ollama list
   

Utilizzo

1. Esegui oneiromancer nel seguente modo:
   root@kitploit:~

   export OLLAMA_BASEURL=custom_baseurl # if not set, the default will be used
   export OLLAMA_MODEL=custom_model # if not set, the default will be used
   oneiromancer <target_file>.c
   

2. Trova lo pseudocodice migliorato in <target_file>.out.c:
   root@kitploit:~

   vim <target_file>.out.c
   code <target_file>.out.c
   

[!TIP] Per ottenere risultati ottimali, invia una funzione alla volta per l'analisi da parte dell'LLM.

Compatibilità

Testato con Ollama 0.32.9 su:

• Apple macOS Tahoe 26.5.2
• Ubuntu Linux 24.04.2 LTS
• Microsoft Windows 11 23H2

Crediti

• Chris Bellows (@AverageBusinessUser) presso Atredis Partners per il suo LLM ottimizzato aidapal <3

Registro delle modifiche

• CHANGELOG.md

TODO

• Migliorare la gestione dei file di output con versioning e/o una directory di output.
• Implementare altre funzionalità del plugin IDAPython aidapal per IDA Pro (ad es., contesto).
• Integrare con haruspex e idalib.
• Implementare un protocollo "minority report" (cioè effettuare tre query e selezionare le risposte migliori).
• Valutare un refactoring della rinomina delle variabili per prevenire una potenziale corruzione del codice.
• Investigare altri casi d'uso per l'LLM aidapal e implementare un'architettura modulare per integrare LLM personalizzati.