OGhidra 3 - Reverse Engineering potenziato dall'IA con Ghidra

Per la versione che utilizza un Orchestrator ispirato a Claude, vedi https://github.com/llnl/OGhidra/tree/orchestrator

OGhidra collega i Large Language Models con la piattaforma di reverse engineering di Ghidra, consentendo l'analisi binaria guidata dall'IA attraverso il linguaggio naturale. Analizza i binari in modo conversazionale, automatizza flussi di lavoro complessi e mantieni la completa privacy con modelli IA locali.

Tutorial di Configurazione su YouTube

---

Cos'è OGhidra?

OGhidra potenzia Ghidra con funzionalità IA, permettendoti di:

• Analisi in Linguaggio Naturale - Fai domande su funzioni, stringhe e importazioni in un inglese semplice
• Flussi di Lavoro Automatizzati - Rinomina funzioni, rileva pattern, genera report completi
• Modelli IA Locali - Privacy completa con modelli eseguiti sul tuo hardware (Ollama)
• Supporto IA Cloud - Connettiti a API esterne (OpenAI, Google Gemini, Anthropic Claude)
• Rilevamento Malware - Pattern matching automatico per oltre 12 tecniche di evasione e iniezione
• Enumerazione Intelligente - Costruisci grafi di conoscenza interrogabili dall'analisi binaria
• Analisi Multi-Istanza - Esegui più istanze di Ghidra per l'analisi parallela

Come Funziona

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

Ciclo Agentico: OGhidra utilizza un sistema di pianificazione adattivo. Dopo ogni ciclo di esecuzione, i risultati vengono revisionati e l'IA può scegliere di raccogliere ulteriori informazioni o affinare la propria analisi prima di fornire la risposta finale.

---

Avvio Rapido

Prerequisiti

1. Python 3.12+ - Controlla la versione: python --version
2. Ghidra 12.0.3 (Consigliata) - Scarica da Ghidra Releases
   • Il percorso di build/installazione del plugin è documentato per Ghidra 12.0.3
   • Testata con: Ghidra 11.0.3, 11.3.2, 12.0.2, 12.0.3
3. Java 21 - Richiesto per compilare l'estensione di Ghidra 12.0.3: java -version
4. Ollama (opzionale, per modelli locali) - Installa da ollama.com

Installazione

# 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

Configurazione del Plugin Ghidra

I passaggi di build del plugin OGhidraMCP riportati di seguito riguardano Ghidra 12.0.3 (consigliata). C'è anche un tutorial video su YouTube: https://www.youtube.com/watch?v=hBD92FUgR0Y

Compilazione dell'Estensione GhidraMCP

In qualità di sviluppatore, dovrai compilare l'estensione GhidraMCP prima di installarla in Ghidra:

1. Prerequisiti:

   • Ghidra 12.0.3 installata
   • Java 21

2. Opzione 1: Utilizzo degli script di build automatizzati:

   • 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. Opzione 2: Processo di build manuale:

   • Crea/aggiorna OGhidraMCP/gradle.properties con il percorso della tua installazione di Ghidra:

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

   • Su Unix/Linux/macOS:

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

   • Su Windows:

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

4. Individua l'estensione compilata:

   • Il file zip dell'estensione viene creato in OGhidraMCP/dist/
   • Il nome del file sarà simile a ghidra_12.0.3_PUBLIC_YYYYMMDD_OGhidraMCP.zip

Installazione dell'Estensione GhidraMCP

Dopo aver compilato con successo l'estensione:

1. Installa in Ghidra:

   • Apri Ghidra -> File -> Install Extensions
   • Clicca su Add Extension (icona più verde)
   • Sfoglia fino alla directory OGhidraMCP/dist/
   • Seleziona il file zip dell'estensione appena compilata (ad es., ghidra_12.0.3_PUBLIC_YYYYMMDD_OGhidraMCP.zip)
   • Riavvia Ghidra

2. Abilita il plugin:

   • Apri un progetto Ghidra
   • File → Configure → Enable Developer
   • Abilita il plugin OGhidraMCP
   • Il server si avvierà su http://localhost:8080/methods

   È NECESSARIO AVERE IL CODE BROWSER APERTO

Download dei Modelli 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

Avvio di OGhidra

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

# Interactive CLI
uv run main.py --interactive

# In interactive CLI, test connection
health

Se hai avviato la modalità GUI, usa:

curl http://localhost:8080/methods

---

Configurazione

Modifica .env per configurare il tuo provider IA:

Opzione 1: Modelli Locali (Ollama)

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

Opzione 2: API Esterne

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

Opzione 3: API Personalizzata Compatibile 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

Impostazioni di Gestione del Contesto

Regola in base alla finestra di contesto del tuo modello:

# 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

---

Funzionalità Principali

1. Pulsanti Strumento Intelligenti (GUI)

Accesso con un clic alle comuni attività di reverse engineering: