oneiromancer

"A large fraction of the flaws in software development are due to programmers not fully understanding all the possible states their code may execute in." -- John Carmack

"Can it run Doom?" -- https://canitrundoom.org/

Oneiromancer è un assistente di reverse engineering che utilizza un LLM in esecuzione locale, ottimizzato per il pseudocodice di Hex-Rays, per agevolare l'analisi del codice. Può analizzare una funzione o un frammento di codice più piccolo, restituendo una descrizione di 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.

Funzionalità

• Supporto multipiattaforma per l'LLM ottimizzato aidapal basato su mistral-7b-instruct.
• Facilità di integrazione con l'estrattore di pseudocodice haruspex e con i più diffusi IDE.
• La descrizione del codice, il nome consigliato per la funzione e i 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 ispezione.
• Crate esterni 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 modo più semplice per ottenere l'ultima release è tramite crates.io:

cargo install oneiromancer --locked

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 --depth 1 https://github.com/0xdea/oneiromancer
cd oneiromancer
cargo build --release --locked

Configurazione

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

   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:

   ollama create aidapal -f aidapal.modelfile
   ollama list
   

Utilizzo

1. Esegui oneiromancer come segue:

   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:

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

[!TIP] Per ottenere i risultati migliori, 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) di Atredis Partners per il suo LLM ottimizzato aidapal <3

Changelog

• CHANGELOG.md

TODO

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