Конвейер рендеринга

Механизм рендеринга использует пользовательское ядро Metal Shading Language (MSL) для параллельного вычисления энтропии Шеннона и отображения координат.

1. Приём: Необработанные двоичные данные передаются в объекты MTLBuffer.
2. Вычисления: GPU выполняет вычисление энтропии скользящим окном по всему буферу.
3. Отображение: Линейные смещения преобразуются в координаты $(x, y)$ с помощью битовых алгоритмов отображения Гильберта.
4. Растеризация: Фрагменты пикселей динамически окрашиваются на основе локальной дисперсии энтропии, достигая производительности 60 кадров/с на наборах данных произвольного размера без перегрузки видеопамяти.

Визуальный анализ и интерпретация данных

Следующие примеры демонстрируют эффективность NeuroCore в различении структур файлов с помощью визуализации энтропии.

Рисунок 1: Визуализация неопознанного двоичного файла размером 17,7 МБ (идентифицирован как иерархический JSON)

Пример I: Иерархические данные с низкой энтропией

Объект: Файл размером 17,7 МБ, классифицированный операционной системой как «Неизвестный».

• Сигнатура энтропии (низкая/средняя): В визуализации преобладает зелёно-бирюзовый спектр, что свидетельствует о значении энтропии $\approx 2.0 - 4.0$. В отличие от зашифрованных блоков, этот спектр указывает на высокую избыточность и предсказуемость потока данных.
• Топологические особенности: Чёткое геометрическое разделение и «блочные» артефакты вдоль кривой Гильберта характерны для форматированного текста. Сплошные области представляют повторяющиеся последовательности байтов (например, отступы из пробелов, повторяющиеся ключи), а разрозненные вариации — изменения значений.
• Заключение: Визуальная топография подтверждает, что файл представляет собой несжатую иерархическую текстовую структуру (набор данных JSON), а не скомпилированный исполняемый файл, что устраняет необходимость первоначального шестнадцатеричного анализа.

Рисунок 2: Визуализация образа диска Apple (.dmg) размером 192 МБ

Пример II: Сжатые архивы с высокой энтропией

Объект: Том .dmg размером 192 МБ.

• Сигнатура энтропии (высокая): Насыщение красными пиксельными данными указывает на максимальную энтропию ($\approx 7,5 - 8,0$ бит на байт). Хотя визуально это интерпретируется как «шум», данное стохастическое распределение свидетельствует об эффективном устранении избыточности данных.
• Однородность текстуры: Визуализация лишена геометрических «островков», наблюдаемых на рисунке 1. Алгоритмы сжатия (например, LZFSE, zlib) равномерно распределяют значения байтов для максимизации эффективности хранения, что приводит к полю высокой дисперсии.
• Заключение: Эта визуальная плотность является отличительной сигнатурой упакованных исполняемых файлов, зашифрованных томов или сжатых архивов. В контексте криминалистики обнаружение такой сигнатуры в файле, претендующем на роль стандартного документа, немедленно укажет на внедрение стеганографической полезной нагрузки или шифрование.

Ключевые особенности

• Аппаратно-ускоренные вычисления: Перекладывает эвристику энтропии и преобразование координат на GPU через Metal Compute Shaders, обеспечивая навигацию в реальном времени.
• Сохранение локальности Гильберта: Преобразует линейные потоки в двумерную топографию, сохраняя отношения соседства, делая структурные границы визуально явными.
• Колориметрия на основе энтропии:
  • Красный: Высокая энтропия (шифрование, сжатие, выход ГСЧ).
  • Синий/Зелёный: Низкая-средняя энтропия (машинный код x86/ARM64, текст, заголовки).
  • Чёрный: Нулевое пространство (заполнение нулями/выделение).
• Виртуальное окно: Реализует систему навигации с нулевым выделением памяти. Смещения вычисляются динамически внутри шейдера, что позволяет немедленно перемещаться по файлам гигабайтного размера без предварительной буферизации полных наборов данных в VRAM.

Варианты использования

1. Обратная разработка: Быстрая локализация секций .text, встроенных ресурсов или зашифрованных полезных нагрузок внутри двоичных обёрток.
2. Анализ вредоносного ПО: Визуальная идентификация упаковщиков и слоёв обфускации, которые проявляются как аномалии с высокой энтропией, отличные от стандартной скомпилированной логики.
3. Цифровая криминалистика: Обнаружение добавленных данных (оверлеев в конце файла) или стеганографических модификаций, нарушающих ожидаемые шаблоны структуры файла.
4. Криптографическая валидация: Визуальная проверка равномерности генератора случайных чисел (ГСЧ) и эффективности алгоритмов сжатия.

Установка и сборка

Этот проект использует нативный инструментарий macOS и не требует внешних менеджеров пакетов.

Предварительные требования:

• macOS 12.0 (Monterey) или новее.
• Рекомендуется архитектура Apple Silicon (M1/M2/M3) для оптимальной пропускной способности шейдеров.
• Инструменты командной строки Xcode.

Компиляция:

Выполните следующую команду в корне проекта для вызова компилятора Swift и связывания требуемых фреймворков (SwiftUI, Metal, MetalKit, AppKit, Foundation):

Запуск:

Использование

1. Приём данных: Перетащите любой двоичный объект непосредственно на область просмотра визуализации. Рендеринг происходит мгновенно.
2. Навигация:

• Панорамирование: Прокрутка двумя пальцами (трекпад) или колесо прокрутки.
• Масштабирование: Удерживайте Option + прокрутка для регулировки плотности байтов на пиксель.

Лицензия

Все права защищены. Несанкционированное коммерческое использование, распространение или модификация строго запрещены.