oneiromancer

"软件开发中的很大一部分缺陷，源于程序员没有完全理解其代码可能执行的所有状态。" —— John Carmack

"它能运行 Doom 吗？" —— https://canitrundoom.org/

Oneiromancer 是一款逆向工程助手，它使用一个在本地运行、针对 Hex-Rays 伪代码进行过微调的 LLM 来辅助代码分析。它可以分析一个函数或较小的代码片段，并根据分析结果返回代码功能的高层描述、建议的函数名称以及变量重命名建议。

功能特性

• 跨平台支持基于 mistral-7b-instruct 微调的 LLM aidapal。
• 可轻松与伪代码提取器 haruspex 及主流 IDE 集成。
• 在终端上打印代码描述、建议的函数名称以及变量重命名建议。
• 每个被分析函数的改进后伪代码会保存到单独的文件中，便于查看。
• 外部 crate 可以调用 analyze_code 或 analyze_file 来分析伪代码，然后处理分析结果。

文章

• https://hnsecurity.it/blog/aiding-reverse-engineering-with-rust-and-a-local-llm

另请参阅

• https://www.atredis.com/blog/2024/6/3/how-to-train-your-large-language-model
• https://huggingface.co/AverageBusinessUser/aidapal
• https://github.com/atredispartners/aidapal
• https://plugins.hex-rays.com/atredispartners/aidapal

安装

获取最新版本最简单的方式是通过 crates.io：

cargo install oneiromancer --locked

若要作为库安装，请在项目目录中运行以下命令：

cargo add oneiromancer

编译

或者，你可以从源码构建：

git clone --depth 1 https://github.com/0xdea/oneiromancer
cd oneiromancer
cargo build --release --locked

配置

1. 下载并安装 Ollama。
2. 从 Hugging Face 下载微调后的权重和 Ollama modelfile：

   wget https://huggingface.co/AverageBusinessUser/aidapal/resolve/main/aidapal-8k.Q4_K_M.gguf
   wget https://huggingface.co/AverageBusinessUser/aidapal/resolve/main/aidapal.modelfile
   

3. 在你下载这些文件的目录中运行以下命令来配置 Ollama：

   ollama create aidapal -f aidapal.modelfile
   ollama list
   

用法

1. 按如下方式运行 oneiromancer：

   export OLLAMA_BASEURL=custom_baseurl # if not set, the default will be used
   export OLLAMA_MODEL=custom_model # if not set, the default will be used
   oneiromancer <target_file>.c
   

2. 在 <target_file>.out.c 中查看改进后的伪代码：

   vim <target_file>.out.c
   code <target_file>.out.c
   

[!TIP] 为获得最佳效果，请一次提交一个函数交由 LLM 分析。

兼容性

已在以下系统上使用 Ollama 0.32.9 测试：

• Apple macOS Tahoe 26.5.2
• Ubuntu Linux 24.04.2 LTS
• Microsoft Windows 11 23H2

致谢

• Atredis Partners 的 Chris Bellows（@AverageBusinessUser）提供了他微调的 LLM aidapal <3

更新日志

• CHANGELOG.md

待办事项

• 通过版本管理和/或输出目录来改进输出文件处理。
• 实现 IDAPython aidapal IDA Pro 插件的其他功能（例如上下文）。
• 与 haruspex 和 idalib 集成。
• 实现“少数派报告”协议（即进行三次查询并选择最佳响应）。
• 考虑重构变量重命名，以防止潜在的代码损坏。
• 研究 aidapal LLM 的其他用例，并实现模块化架构以接入自定义 LLM。