기능

• mistral-7b-instruct 기반의 파인튜닝 LLM aidapal에 대한 크로스 플랫폼 지원.
• 의사 코드 추출기 haruspex 및 인기 IDE와의 손쉬운 통합.
• 코드 설명, 권장 함수 이름, 변수 이름 변경 제안이 터미널에 출력됩니다.
• 분석된 각 함수의 개선된 의사 코드는 쉽게 확인할 수 있도록 별도의 파일로 저장됩니다.
• 외부 크레이트는 analyze_code 또는 analyze_file을 호출하여 의사 코드를 분석한 후 분석 결과를 처리할 수 있습니다.

관련 글

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

참고 자료

• 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

설치

최신 릴리스를 받는 가장 쉬운 방법은 crates.io를 이용하는 것입니다:

라이브러리로 설치하려면 프로젝트 디렉터리에서 다음 명령을 실행하세요:

컴파일

또는 소스에서 직접 빌드할 수 있습니다:

설정

1. Ollama를 다운로드하고 설치합니다.
2. Hugging Face에서 파인튜닝된 가중치와 Ollama modelfile을 다운로드합니다:
   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. 파일을 다운로드한 디렉터리에서 다음 명령을 실행하여 Ollama를 구성합니다:
   root@kitploit:~

   ollama create aidapal -f aidapal.modelfile
   ollama list
   

사용법

1. oneiromancer를 다음과 같이 실행합니다:
   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. <target_file>.out.c에서 개선된 의사 코드를 확인합니다:
   root@kitploit:~

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

[!TIP] 최상의 결과를 얻으려면 LLM이 분석할 함수를 한 번에 하나씩 제출하세요.

호환성

다음 환경에서 Ollama 0.32.9로 테스트했습니다:

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

크레딧

• 파인튜닝 LLM aidapal을 제공한 Atredis Partners의 Chris Bellows(@AverageBusinessUser)님께 감사드립니다 <3

변경 내역

• CHANGELOG.md

TODO

• 버전 관리 및/또는 출력 디렉터리를 통한 출력 파일 처리 개선.
• IDAPython aidapal IDA Pro 플러그인의 다른 기능(예: 컨텍스트) 구현.
• haruspex 및 idalib과 통합.
• "minority report" 프로토콜 구현(즉, 세 번 질의하여 가장 좋은 응답을 선택).
• 잠재적인 코드 손상을 방지하기 위한 변수 이름 변경 리팩터링 검토.
• aidapal LLM의 다른 사용 사례를 조사하고 사용자 정의 LLM을 연결할 수 있는 모듈형 아키텍처 구현.