OGhidra 3 - Engenharia Reversa com IA usando Ghidra

Para a versão que usa um Orchestrator inspirado no Claude, veja https://github.com/llnl/OGhidra/tree/orchestrator

OGhidra conecta Grandes Modelos de Linguagem à plataforma de engenharia reversa do Ghidra, permitindo análise binária orientada por IA através de linguagem natural. Analise binários de forma conversacional, automatize fluxos de trabalho complexos e mantenha privacidade total com modelos de IA locais.

Tutorial de Configuração no YouTube

---

O que é OGhidra?

OGhidra aprimora o Ghidra com capacidades de IA, permitindo que você:

• Análise em Linguagem Natural - Faça perguntas sobre funções, strings e imports em inglês simples
• Fluxos de Trabalho Automatizados - Renomeie funções, detecte padrões, gere relatórios abrangentes
• Modelos de IA Locais - Privacidade completa com modelos rodando em seu hardware (Ollama)
• Suporte a IA na Nuvem - Conecte-se a APIs externas (OpenAI, Google Gemini, Anthropic Claude)
• Detecção de Malware - Correspondência automática de padrões para mais de 12 técnicas de evasão e injeção
• Enumeração Inteligente - Construa grafos de conhecimento consultáveis a partir da análise binária
• Análise Multi-Instância - Execute múltiplas instâncias do Ghidra para análise paralela

Como Funciona

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

Loop Agente: OGhidra usa um sistema de planejamento adaptativo. Após cada ciclo de execução, os resultados são revisados e a IA pode optar por coletar mais informações ou refinar sua análise antes de fornecer a resposta final.

---

Início Rápido

Pré-requisitos

1. Python 3.12+ - Verifique a versão: python --version
2. Ghidra 12.0.3 (Recomendado) - Baixe em Ghidra Releases
   • O caminho de construção/instalação do plugin está documentado para o Ghidra 12.0.3
   • Testado com: Ghidra 11.0.3, 11.3.2, 12.0.2, 12.0.3
3. Java 21 - Necessário para construir a extensão do Ghidra 12.0.3: java -version
4. Ollama (opcional, para modelos locais) - Instale de ollama.com

Instalação

# 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
# Edite .env com suas configurações

Configurar Plugin do Ghidra

As etapas de construção do plugin OGhidraMCP abaixo têm como alvo o Ghidra 12.0.3 (recomendado). Há também um tutorial em vídeo no YouTube: https://www.youtube.com/watch?v=hBD92FUgR0Y

Construindo a Extensão GhidraMCP

Como desenvolvedor, você precisará construir a extensão GhidraMCP antes de instalá-la no Ghidra:

1. Pré-requisitos:

   • Ghidra 12.0.3 instalado
   • Java 21

2. Opção 1: Usando os scripts de construção automatizados:

   • 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. Opção 2: Processo de construção manual:

   • Crie/atualize OGhidraMCP/gradle.properties com o caminho de instalação do Ghidra:

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

   • On Unix/Linux/macOS:

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

   • On Windows:

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

4. Localize a extensão construída:

   • O arquivo zip da extensão é criado em OGhidraMCP/dist/
   • O nome do arquivo será algo como ghidra_12.0.3_PUBLIC_YYYYMMDD_OGhidraMCP.zip

Instalando a Extensão GhidraMCP

Após ter construído a extensão com sucesso:

1. Instale no Ghidra:

   • Abra o Ghidra -> File -> Install Extensions
   • Clique em Add Extension (ícone de mais verde)
   • Navegue até o diretório OGhidraMCP/dist/
   • Selecione o arquivo zip da extensão recém-construída (ex.: ghidra_12.0.3_PUBLIC_YYYYMMDD_OGhidraMCP.zip)
   • Reinicie o Ghidra

2. Ative o plugin:

   • Abra um projeto do Ghidra
   • File → Configure → Enable Developer
   • Ative o plugin OGhidraMCP
   • O servidor iniciará em http://localhost:8080/methods

   VOCÊ PRECISA TER O CODE BROWSER ABERTO

Baixar Modelos de IA

# Para Ollama (modelos locais)
ollama pull gemma3:27b           		# Bom equilíbrio (20GB RAM)
ollama pull nomic-embed-text     		# Modelo de embedding para RAG

# Modelos alternativos
ollama pull gpt-oss:120b         		# Alta qualidade (80GB RAM)
ollama pull devstral-2:123b 			# Alta qualidade (80GB RAM)
ollama pull devstral-2:123b-cloud       # Modelo na Nuvem

Iniciar OGhidra

# Modo GUI (recomendado)
uv run main.py --ui

# CLI Interativa
uv run main.py --interactive

# Na CLI interativa, teste a conexão
health

Se você iniciou o modo GUI, use:

curl http://localhost:8080/methods

---

Configuração

Edite .env para configurar seu provedor de IA:

Opção 1: Modelos Locais (Ollama)

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

Opção 2: APIs Externas

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

Opção 3: API Personalizada Compatível com 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

Configurações de Gerenciamento de Contexto

Ajuste com base na janela de contexto do seu modelo:

# Orçamento de contexto em tokens (ajuste conforme o limite do seu modelo)
CONTEXT_BUDGET=100000              # 100K tokens para modelos de médio porte
                                   # 200K+ para modelos de ponta

# Configurações de execução
MAX_EXECUTION_STEPS=5              # Passos por ciclo de planejamento
MAX_AGENTIC_CYCLES=3               # Quantos ciclos de planejar-executar-revisar
AGENTIC_LOOP_ENABLED=true          # Ativar replanejamento adaptativo

---

Principais Funcionalidades

1. Botões de Ferramentas Inteligentes (GUI)

Acesso com um clique a tarefas comuns de engenharia reversa: