Skip to content
KitploitKITPLOIT
ИнструментыЭксплойтыБлог
Log in
Отправить
ИнструментыЭксплойтыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

··Ленты·Контакты·Конфиденциальность·© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
VMDragonSlayer — Многофункциональный фреймворк для распаковки и анализа бинарных файлов, защищённых виртуальными машинами, использующий динамическое отслеживание меток, символьное выполнение, классификацию шаблонов и приоритизацию на основе машинного обучения для автоматизации обратной разработки коммерческих и пользовательских протекторов. | Kitploit
Инструменты/GitHubGitHub/poppopjmp/vmdragonslayer
Статический анализДинамический анализ (песочница)Анализ уязвимостейОбратная инженерияОтладчикиФаззингАнализ вредоносных программАнализ Бинарных ФайловМашинное Обучение
Статьи и Исследования
Обучение и Образование
GitHubpoppopjmp/vmdragonslayer

VMDragonSlayer

Репозиторий
43168220 лет назадПроверено Kitploit

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →

Описание

Многофункциональный фреймворк для распаковки и анализа бинарных файлов, защищённых виртуальными машинами, использующий динамическое отслеживание меток, символьное выполнение, классификацию шаблонов и приоритизацию на основе машинного обучения для автоматизации обратной разработки коммерческих и пользовательских протекторов.

Поделиться

VMDragonSlayer

Проект будет опубликован к середине октября. Рефакторинг в процессе.

Продвинутая платформа для обнаружения и анализа виртуальных машин

VMDragonSlayer — это комплексная платформа для анализа бинарных файлов, защищённых протекторами на основе виртуальных машин (VM), такими как VMProtect 2.x/3.x, Themida и пользовательскими вредоносными VM. Платформа объединяет несколько аналитических движков, включая динамическое отслеживание меток (DTT), символьное выполнение (SE), классификацию шаблонов и машинное обучение, чтобы автоматизировать процесс обратной разработки.

Цель: Превратить сложный анализ защищённых бинарных файлов, занимающий недели/месяцы ручной работы, в структурированный, автоматизированный анализ с объяснимыми результатами.

Ключевые особенности

  • Мультидвижковый анализ: Сочетает статические, динамические и гибридные методы анализа
  • Обнаружение VM: Автоматическое детектирование коммерческих и пользовательских VM-протекторов
  • Экосистема плагинов: Интеграции с Ghidra, IDA Pro и Binary Ninja
  • Машинное обучение: Концептуальные ML-модели для классификации шаблонов
  • Расширяемая архитектура: Модульный дизайн для пользовательских рабочих процессов анализа
  • Исследовательская платформа: Создана для исследований вредоносного ПО и обучения обратной разработке

Базовые возможности

ОбластьДвижок / МодульОсновные возможности
Обнаружение VManalysis.vm_discoveryИдентификация диспетчера и таблицы обработчиков, эвристика вложенных VM
Анализ шаблоновanalysis.pattern_analysisНа основе правил + по сходству + ML (гибридный авто-выбор)
Отслеживание метокanalysis.taint_trackingОтслеживание меток на уровне байтов через Intel Pin, обнаружение обработчиков, уверенность потока
Символьное выполнениеanalysis.symbolic_execution.executorИсследование с весами PathPrioritizer (ML), отслеживание ограничений и состояний
Гибридная оркестровка(ядро Python)Последовательные / параллельные / адаптивные рабочие процессы (отчёт Ghidra указывает на реализацию)
Синтетические данныеdata/training/synthetic_sample_generator.pyМутации обфускации, генерация образцов для нескольких архитектур
База шаблоновdata/patterns/JSON + расширенная БД + шаблоны времени выполнения на основе SQLite
Плагин Ghidraplugins/ghidra/В разработке UI-интеграция (несколько шаблонов отсутствуют)
Схемы / Валидацияdata/schemas/Выходные данные анализа и форматы шаблонов, проверенные по JSON-схеме

Обзор архитектуры

VMDragonSlayer использует модульную архитектуру, в которой несколько аналитических движков работают совместно:

graph TD
    A[VM Discovery Engine] --> B[Pattern/ML Classifier]
    B --> C[Symbolic Execution Engine]
    B --> D[Dynamic Taint Tracker]
    D --> C
    
    subgraph DataSources ["Data Sources"]
        E[Pattern Database]
        F[ML Models - PoC]
    end
    
    subgraph Coordination
        G[Orchestrator - Workflow Management & Coordination]
    end
    
    E --> B
    F --> B
    A --> G
    B --> G
    C --> G
    D --> G
    E --> G
    F --> G
    G --> H[REST API Server]
    G --> I[Plugins - RE Tools]

Основные аналитические движки

1. Движок обнаружения VM (dragonslayer.analysis.vm_discovery)

  • Назначение: Обнаружение и классификация схем защиты на основе VM
  • Методы: Обнаружение цикла диспетчера, анализ таблицы обработчиков, эвристика управления потоком
  • Цели: VMProtect, Themida, пользовательские вредоносные VM, вложенная защита

2. Динамическое отслеживание меток (dragonslayer.analysis.taint_tracking)

  • Назначение: Отслеживание потока данных при выполнении VM для выявления критических путей
  • Реализация: Инструментирование на основе Intel Pin с точностью до байта
  • Возможности: Теневая память, обход антианализа, автоматическое обнаружение обработчиков

3. Анализ шаблонов (dragonslayer.analysis.pattern_analysis)

  • Назначение: Классификация и категоризация VM-шаблонов и поведений
  • Методы: Сопоставление на основе правил, анализ сходства, ML-классификация
  • База данных: Расширяемая база шаблонов с JSON-схемами

4. Символьное выполнение (dragonslayer.analysis.symbolic_execution)

  • Назначение: Символьное исследование путей выполнения VM
  • Возможности: Решение ограничений, приоритизация путей, слияние состояний
  • Интеграция: Использует результаты анализа меток для запуска исследования

5. Конвейер машинного обучения (dragonslayer.ml)

  • Назначение: Автоматизированная классификация и помощь в анализе
  • Модели: Базовые концептуальные модели для исследований и обучения
  • Компоненты: Извлечение признаков, обучение моделей, ансамблевое предсказание

Структура репозитория

VMDragonSlayer/
├── dragonslayer/                    # Главный пакет Python
│   ├── analysis/                   # Аналитические движки
│   │   ├── vm_discovery/          # Обнаружение и классификация VM
│   │   ├── pattern_analysis/      # Сопоставление шаблонов и ML-классификация
│   │   ├── symbolic_execution/    # Движок символьного выполнения
│   │   ├── taint_tracking/        # Динамический анализ меток
│   │   └── anti_evasion/          # Контрмеры против антианализа
│   ├── api/                       # REST API сервер и клиент
│   ├── core/                      # Базовые компоненты платформы
│   ├── ml/                        # Конвейер машинного обучения
│   ├── analytics/                 # Отчётность и метрики анализа
│   ├── gpu/                       # Поддержка ускорения на GPU
│   ├── utils/                     # Вспомогательные функции
├── data/                          # Файлы конфигурации и данных
│   ├── patterns/                  # База шаблонов
│   ├── models/                    # ML-модели и метаданные
│   │   ├── pretrained/           # Предобученные модели (PoC)
│   │   └── metadata/             # Метаданные моделей и схемы
│   ├── samples/                   # Примеры файлов и реестры
│   ├── schemas/                   # JSON-схемы для валидации
│   └── training/                  # Конфигурации обучения
├── plugins/                       # Плагины для инструментов обратной разработки
│   ├── ghidra/                   # Плагин Ghidra (Java/Gradle)
│   ├── idapro/                   # Плагин IDA Pro (Python)
│   └── binaryninja/              # Плагин Binary Ninja (Python)
├── tests/                         # Набор тестов
├── documentation/                 # Документация
└── LICENSE                        # Лицензия GPL v3

Экосистема плагинов

VMDragonSlayer интегрируется с основными инструментами обратной разработки:

Плагин Ghidra

  • Язык: Java с системой сборки Gradle
  • Возможности: UI для анализа VM, визуализация шаблонов, автоматизированные рабочие процессы
  • Статус: Платформа реализована, компоненты UI в разработке

Плагин IDA Pro

  • Язык: Python
  • Возможности: Бесшовная интеграция с аналитическим движком IDA
  • Статус: Базовая функциональность доступна

Плагин Binary Ninja

  • Язык: Python
  • Возможности: Нативная интеграция с API Binary Ninja
  • Статус: Реализована базовая интеграция

Компоненты машинного обучения

Примечание: Включённые ML-модели — это базовые концептуальные реализации, предназначенные для исследовательских и образовательных целей.


Установка

Предварительные требования

  • Python 3.8 или выше
  • Один или несколько инструментов обратной разработки:
    • Ghidra 10.0+ (для плагина Ghidra)
    • IDA Pro 7.0+ (для плагина IDA)
    • Binary Ninja (для плагина Binary Ninja)

Требования к оборудованию

Минимальные требования

  • CPU: Современный x64 процессор
  • ОЗУ: Минимум 8 ГБ, рекомендуется 16 ГБ
  • Хранилище: 5 ГБ свободного места
  • ОС: Windows 10/11, Linux (Ubuntu 20.04+), macOS 11+
Скачать инструмент