AIDebug

Отправная точка для рецензента

CLI для обратной разработки с акцентом на доказательства. Андрей Паутов разрабатывает интерфейс аналитика на Python, офлайн-триаж, анализ строк, инспекцию PE и рабочие процессы отчётности. Capstone, Ghidra, GDB и опциональные AI-провайдеры являются интеграциями, а не оригинальными инструментами, созданными в этом проекте.

Релевантность роли: триаж вредоносного ПО, инструментарий обратной разработки, безопасный анализ с помощью ИИ, реализация на Python.

Запустите безопасную локальную демонстрацию и ознакомьтесь с областью валидации · Записанная локальная валидация

AIDebug — это CLI и терминальный интерфейс для обратной разработки вредоносного ПО с акцентом на доказательства. Он объединяет детерминированный офлайн-триаж, шестнадцатеричную инспекцию всего файла, глубокий анализ структуры PE, дизассемблирование с помощью Capstone, реконструкцию с помощью Ghidra, опциональные перекрёстные проверки с помощью LLM, локальную отладку ELF, скомпилированные учебные упражнения и отчётность для рецензирования аналитиком.

Текущая версия исходного кода: AIDebug 3.1.0. См. примечания к выпуску 3.1.0.

Последним неизменяемым опубликованным выпуском остаётся AIDebug v3.0.0, доступный как 1200km-aidebug, пока тег 3.1.0, соответствующий версии, и релиз на GitHub не завершат проверенный процесс публикации.

Ключевые возможности

• Детерминированный статический триаж PE и ELF без необходимости в AI-сервисе.
• Анализ строк ASCII, UTF-8, UTF-16LE и UTF-16BE по всему файлу с учётом вхождений, с умными категориями, ранжированием и пояснениями по DLL/API.
• Шестнадцатеричный просмотрщик только для чтения с постраничным выводом для всего анализируемого файла.
• Глубокий обозреватель структуры PE32/PE32+ с сопоставленными RVA, VA и файловыми смещениями.
• Реконструкция в стиле C на основе Ghidra для одной функции или полного ограниченного набора функций.
• Опциональное рецензирование на основе доказательств через Anthropic, OpenAI, Google Gemini или локальную конечную точку, совместимую с Ollama.
• Локальная отладка ELF на основе GDB с точками останова, пошаговым выполнением, регистрами, дельтами, контекстом дизассемблирования и кандидатами на входные/выходные данные функций.
• Сто автономных учебных примеров на C с реальным выводом компилятора, дизассемблированием и псевдокодом Ghidra в основном GUI.
• Локальная история анализа с индексацией по SHA-256 и совместимое восстановление находок.
• Вывод в форматах HTML, версионированного JSON, кандидатов YARA, кандидатов ATT&CK и CFG для рецензирования аналитиком.

Установка

Опубликованный пакет 3.0.0

Установите стабильный пакет из 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

Установите дополнительные возможности по мере необходимости:

# 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"

Проверенный исходный код 3.1.0

String Intelligence требует исходный код версии 3.1, пока его пакет не опубликован. Обзор 3.1 фиксирует указанную ниже ревизию. Его runtime-код также соответствует проверенной ревизии main от 1 октября 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

Из этой копии добавьте extras с помощью python -m pip install -e ".[ai]", ".[dynamic]" или ".[all]". Держите extras на том же треке установки: установка "1200km-aidebug[ai]==3.0.0" поверх исходной версии 3.1 может заменить её опубликованным пакетом 3.0.

Разработка

Для изменяющейся копии разработки:

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, компилятор C и целевые компоненты Frida — это внешние инструменты, используемые только теми рабочими процессами, которым они требуются.

Интеграция с REMnux

AIDebug был принят в REMnux 7 октября 2026 года через PR #355, впервые включён в salt-states v2026.41.4. Принятое состояние устанавливает незакреплённый 1200km-aidebug[ai] из PyPI в /opt/aidebug, включает обновления и предоставляет /usr/local/bin/aidebug. Как проверено 8 октября 2026 года, PyPI по-прежнему предоставляет 3.0.0; это не устанавливает неопубликованный исходный код 3.1 или extra dynamic. Используйте --offline, чтобы сохранить анализ локальным. См. Настройка REMnux и границы версий.

Быстрый старт

Откройте образец PE или ELF в основном терминальном интерфейсе:

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

Запустите детерминированный анализ без полноэкранного интерфейса и экспортируйте доказательства:

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

Используйте реконструкцию 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

Проанализируйте один модуль трансляции C через временный, неисполняемый артефакт ELF:

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

Определите произвольный файл независимо от его расширения:

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