AIDebug

Ponto de partida para revisores

CLI de engenharia reversa com foco em evidências. Andrey Pautov desenvolve a interface de análise em Python, triagem offline, inteligência de strings, inspeção de PE e fluxos de trabalho de relatórios. Capstone, Ghidra, GDB e provedores de IA opcionais são integrações, não ferramentas originais criadas por este projeto.

Relevância do papel: Triagem de malware, ferramentas de engenharia reversa, análise assistida por IA segura, entrega em Python.

Execute a demonstração local segura e revise o escopo de validação · Validação local registrada

AIDebug é uma CLI e interface de terminal de engenharia reversa de malware com foco em evidências. Ele combina triagem offline determinística, inspeção hexadecimal do arquivo completo, análise profunda da estrutura PE, desmontagem com Capstone, reconstrução com Ghidra, verificações cruzadas opcionais com LLM, depuração local de ELF, exercícios de aprendizado compilados e relatórios de revisão para analistas.

Versão atual do código-fonte: AIDebug 3.1.0. Consulte as notas de versão 3.1.0.

A versão publicada imutável mais recente continua sendo AIDebug v3.0.0, disponível como 1200km-aidebug, até que a tag 3.1.0 correspondente à versão e a release do GitHub concluam o fluxo de publicação verificado.

Destaques

• Triagem estática determinística de PE e ELF sem exigir um serviço de IA.
• Inteligência de strings ASCII, UTF-8, UTF-16LE e UTF-16BE em todo o arquivo, com reconhecimento de ocorrências, categorias inteligentes, classificação e explicações de DLL/API.
• Visualizador hexadecimal somente leitura e paginado para o arquivo completo analisado.
• Explorador profundo de estrutura PE32/PE32+ com RVA, VA e deslocamentos de arquivo mapeados.
• Reconstrução em estilo C com suporte do Ghidra para uma função ou para o conjunto completo de funções delimitado.
• Revisão opcional fundamentada em evidências por meio de Anthropic, OpenAI, Google Gemini ou um endpoint local compatível com Ollama.
• Depuração local de ELF com suporte do GDB, com breakpoints, stepping, registradores, deltas, contexto de desmontagem e candidatos de entrada/saída de funções.
• Cem casos de aprendizado em C independentes com saída real do compilador, desmontagem e pseudo-código do Ghidra na GUI principal.
• Histórico local de análises indexado por SHA-256 e restauração compatível de descobertas.
• Saídas HTML, JSON versionado, candidatos a YARA, candidatos a ATT&CK e CFG para revisão do analista.

Instalação

Pacote publicado 3.0.0

Instale o pacote estável do PyPI:

python3 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install 1200km-aidebug==3.0.0
aidebug --version

Instale recursos opcionais conforme necessário:

# LLM provider clients and local validation of AI-generated YARA candidates
python -m pip install "1200km-aidebug[ai]==3.0.0"

# Frida dynamic instrumentation
python -m pip install "1200km-aidebug[dynamic]==3.0.0"

# All optional Python integrations
python -m pip install "1200km-aidebug[all]==3.0.0"

Código-fonte revisado da versão 3.1.0

O String Intelligence requer o código-fonte 3.1 até que seu pacote seja publicado. A revisão da 3.1 fixa a revisão abaixo. Seu código de execução também corresponde à revisão principal auditada de 1º de outubro 80b0b7172b592814504c405a16bf4cc0ce4161eb.

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
git checkout cd81ef242db0bcea3296970d45c241a4228d2d27
python3 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -e .
aidebug --version

A partir desse checkout, adicione extras com python -m pip install -e ".[ai]", ".[dynamic]" ou ".[all]". Mantenha os extras na mesma trilha de instalação: instalar "1200km-aidebug[ai]==3.0.0" sobre o código-fonte 3.1 pode substituí-lo pelo pacote 3.0 publicado.

Desenvolvimento

Para um checkout de desenvolvimento em movimento:

git clone https://github.com/anpa1200/AIDebug.git
cd AIDebug
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -e ".[dev,dynamic]"

Ghidra, GDB, Bubblewrap, um compilador C e componentes de destino do Frida são ferramentas externas usadas apenas pelos fluxos de trabalho que as exigem.

Integração com o REMnux

O AIDebug foi aceito no REMnux em 7 de outubro de 2026 por meio do PR #355, incluído pela primeira vez no salt-states v2026.41.4. O estado aceito instala o 1200km-aidebug[ai] sem fixação de versão a partir do PyPI em /opt/aidebug, habilita atualizações e expõe /usr/local/bin/aidebug. Conforme verificado em 8 de outubro de 2026, o PyPI ainda fornece a versão 3.0.0; isso não instala o código-fonte 3.1 não publicado nem o extra dynamic. Use --offline para manter a análise local. Consulte Configuração do REMnux e limites de versão.

Início Rápido

Abra uma amostra PE ou ELF na interface principal do terminal:

aidebug --binary /path/to/sample.exe --offline

Execute a análise determinística sem a interface de tela cheia e exporte as evidências:

aidebug --binary /path/to/sample.exe \
  --offline --no-tui --report --json-export --yara \
  --out-dir reports/

Use a reconstrução do Ghidra:

aidebug --binary /path/to/sample.exe --offline --no-tui --decompile
aidebug --binary /path/to/sample.exe --offline --no-tui \
  --decompile-all reports/sample-reconstruction.c

Analise uma unidade de tradução C por meio de um artefato ELF temporário e não executado:

aidebug --source /path/to/example.c --offline --no-tui

Identifique um arquivo arbitrário independentemente da sua extensão de nome de arquivo:

aidebug --identify /path/to/renamed-or-unknown-file --offline