QSynth Synthesis Artefacts

Datasets

Questi artefatti forniscono i seguenti quattro dataset:

• syntia: 500 funzioni offuscate con EncodeArithmetic e EncodeData
• custom_EA: 500 funzioni offuscate con EncodeArithmetic
• custom_VR_EA: 500 funzioni offuscate con Virtualize e EncodeArithmetic
• custom_EA_ED: 500 funzioni offuscate con EncodeArithmetic e Virtualize (la traccia del database è troncata a 293 funzioni)

Un benchmark

Ogni directory di dataset contiene i seguenti file:

• original.c: file sorgente contenente tutte le funzioni

• obfuscated.c: file sorgente offuscato generato da Tigress

• run_tigress.sh: script Shell per rigenerare il file obfuscated.c

• ground_truth.json: un file JSON contenente la ground truth. Per ogni funzione contiene l'espressione originale (in original.c) e la sua controparte offuscata (in obfuscated.c)

• obfuscated: binario precompilato come x86_64 (no PIE)

• trace.db: la traccia di esecuzione come database SQLite (probabilmente il file più interessante)

• results:

  • qsynth.log: l'output grezzo dello script di sintesi
  • qsynth.json: output processabile da QSynth (molto probabilmente il secondo file più interessante)

Risultato

Il file qsynth.json contiene per ogni funzione le seguenti voci, come ad esempio:

{
  "target_1": {
    "fun_name": "target_1",
    "start": 164,
    "stop": 238,
    "orig_ast": "~(b*d ^ d*d) - b",
    "orig_node": 10,
    "orig_depth": 5,
    "obfu_ast": "(((b & d)*(b | d) + (b & ~d)*(~b & d) & (d & d)*(d | d) + (d & ~d)*(~d & d)) - ((b & d)*(b | d) + (b & ~d)*(~b & d) | (d & d)*(d | d) + (d & ~d)*(~d & d)) - 1 ^ b) - ((~(((b & d)*(b | d) + (b & ~d)*(~b & d) & (d & d)*(d | d) + (d & ~d)*(~d & d)) - ((b & d)*(b | d) + (b & ~d)*(~b & d) | (d & d)*(d | d) + (d & ~d)*(~d & d)) - 1) & b) + (~(((b & d)*(b | d) + (b & ~d)*(~b & d) & (d & d)*(d | d) + (d & ~d)*(~d & d)) - ((b & d)*(b | d) + (b & ~d)*(~b & d) | (d & d)*(d | d) + (d & ~d)*(~d & d)) - 1) & b))",
    "obfu_node": 229,
    "obfu_depth": 12,
    "triton_ast": "(((b & d)*(b | d) + (~b & d)*(~d & b) & d*d) - (d*d | (b & d)*(b | d) + (~b & d)*(~d & b)) - 1 ^ b) - (((d*d ^ (b & d)*(b | d) + (~b & d)*(~d & b)) & b) + ((d*d ^ (b & d)*(b | d) + (~b & d)*(~d & b)) & b))",
    "triton_node": 95,
    "triton_depth": 10,
    "synthesized_ast": "~((d*d ^ d*b) + b)",
    "synth_node": 10,
    "synth_depth": 5,
    "dse_t": 0.10445356369018555,
    "synthesis_t": 0.03491616249084473,
    "sem_orig_obf": "UNK",
    "sem_obf_trit": "UNK",
    "sem_orig_synth": "OK",
    "is_simplified": true,
    "is_fully_synthesized": true
  }
}

Start e stop sono gli offset nella traccia di esecuzione (quindi l'id nel DB). Poi per ogni espressione l'espressione stessa e la sua dimensione in nodi e profondità. Poi dse_t, synthesis_t forniscono rispettivamente il tempo di esecuzione simbolica e il tempo di sintesi. is_simplified e is_fully_synthesized indicano se la funzione è stata semplificata e, in tal caso, se lo è stata completamente. sem_orig_obf, sem_obf_trit e sem_orig_synth indicano se la semantica è preservata tra, ad esempio, originale e sintetizzata (sem_orig_synth). "UNK" indica che non è stato verificato o che ha prodotto un timeout.

Tabelle dell'oracolo di sintesi

Le tabelle utilizzate per i benchmark sono disponibili qui: https://ret2libc.com/static/various/lts_15/ Sono oggetti pickle di Python. Le espressioni sono codificate con una notazione polacca inversa (RPN) simile a quella di Syntia.