当前位置: 首页 > article >正文

FreakStudio鼓

环境安装pip install keystone-engine capstone unicorn这3个工具用法极其简单下面通过示例来演示其用法。Keystone示例from keystone import *CODE bINC ECX; ADD EDX, ECXtry:ks Ks(KS_ARCH_X86, KS_MODE_64)encoding, count ks.asm(CODE)print(f汇编指令数量: {count})print(f机器码 (十进制): {encoding})print(f机器码 (Hex): {.join(f{x:02x} for x in encoding)})except KsError as e:print(fERROR: {e})代码解释代码流程十分简单初始化keystone-编译代码-输出结果初始化keystoneks Ks(KS_ARCH_X86, KS_MODE_64)初始化keystone引擎第一个参数选择指令架构例如x86arm......第二个参数选择模式例如64位32位小端序......编译代码将汇编转换为16进制的shellcodeencoding, count ks.asm(CODE)第一个返回值机器码指令的数组第二个返回值汇编指令数量Capstonecapstone的用法和keystone差不多。示例from capstone import *CODE b\xff\xc1\x01\xcamd Cs(CS_ARCH_X86, CS_MODE_64)print(地址\t\t指令\t\t操作数)print(- * 30)for i in md.disasm(CODE, 0x1000):print(f0x{i.address:x}:\t{i.mnemonic}\t{i.op_str})代码解释代码流程跟keystone差不多初始化capstone-反编译代码-输出结果初始化capstonemd Cs(CS_ARCH_X86, CS_MODE_64)初始化capstone引擎第一个参数选择指令架构例如x86arm......第二个参数选择模式例如64位32位小端序......反编译代码for i in md.disasm(CODE, 0x1000):print(f0x{i.address:x}:\t{i.mnemonic}\t{i.op_str})使用方法disasm反汇编第一个参数机器码第二个参数第一条指令的基地址返回一个包含指令对象的数组unicornunicorn提供的方法使用也不复杂但需要一定的内存基础知识。下面用一个案例解释。示例情景模拟 我逆向过程中发现一个xor加密代码我需要通过模拟执行对密文进行解密。根据汇编代码可以得知0x20000存放密文0x30000存放结果0x10000中读取密钥keyfrom unicorn import *from unicorn.x86_const import *import structfrom keystone import *ASM_CODE MOV ECX, 5MOV ESI, 0x20000MOV EDI, 0x30000MOV BL, byte ptr [0x10000]loop_start:LODSBXOR AL, BLSTOSBLOOP loop_startdef get_code():ks Ks(KS_ARCH_X86, KS_MODE_32)encoding, count ks.asm(ASM_CODE)return bytes(encoding)CODE get_code()ADDRESS_CODE 0x400000ADDRESS_KEY 0x10000ADDRESS_IN 0x20000ADDRESS_OUT 0x30000REAL_KEY 0x77CIPHER_TEXT b\x3F\x12\x1B\x1B\x18def hook_code(uc, access, address, size, value, user_data):if address ADDRESS_KEY:key_value uc.mem_read(address, size)print(fkey: {hex(key_value[0])})def start_emulation():try:print(初始化环境...)mu Uc(UC_ARCH_X86, UC_MODE_32)mu.mem_map(0x0, 1 * 1024 * 1024)mu.mem_map(ADDRESS_CODE, 2 * 1024 * 1024)mu.mem_write(ADDRESS_CODE, CODE)mu.mem_write(ADDRESS_IN, CIPHER_TEXT)mu.mem_write(ADDRESS_KEY, struct.pack(B, REAL_KEY))mu.hook_add(UC_HOOK_MEM_READ, hook_code)mu.emu_start(ADDRESS_CODE, ADDRESS_CODE len(CODE))decrypted_text mu.mem_read(ADDRESS_OUT, 5)print(f解密后的文本: {decrypted_text.decode()})except UcError as e:print(f模拟错误: {e})if __name__ __main__:start_emulation()代码解释代码流程初始化环境-分配虚拟内存-写入数据-添加捕获操作-模拟执行指令-读取内存结果初始化环境这个跟上面的keystone和capstone一样就不解释了mu Uc(UC_ARCH_X86, UC_MODE_32)分配虚拟内存第一行是用于存放堆内存数据第二行是用于存放执行的代码mu.mem_map(0x0, 1 * 1024 * 1024)mu.mem_map(ADDRESS_CODE, 2 * 1024 * 1024)mem_map用于初始化虚拟内存第一个参数内存的虚拟地址基址第二个参数内存的大小内写入数据第一行写入代码第二行写入密文第三行写入解密keymu.mem_write(ADDRESS_CODE, CODE)mu.mem_write(ADDRESS_IN, CIPHER_TEXT)mu.mem_write(ADDRESS_KEY, struct.pack(B, REAL_KEY))mem_write用于写入虚拟内存第一个参数写入内存的地址第二个参数写入内存的数据添加捕获操作hook用于捕获数据这里用于捕获keydef hook_code(uc, access, address, size, value, user_data):if address ADDRESS_KEY:key_value uc.mem_read(address, size)print(fkey: {hex(key_value[0])})mu.hook_add(UC_HOOK_MEM_READ, hook_code)hook_add添加hook第一个参数捕获模式规定什么时候触发hook例如读取内存中断捕获......第二个参数触发的回调函数回调函数各个参数如下def hook_code(uc, access, address, size, value, user_data):uc模拟器对象access当前访问类型UC_MEM_READUC_MEM_WRITE......address当前访问的虚拟地址size当前访问数据大小valueaccess为UC_MEM_WRITE则这里为要写入的值user_data用户在add_hook时传进去的自定义数据模拟执行指令mu.emu_start(ADDRESS_CODE, ADDRESS_CODE len(CODE))第一个参数模拟执行的起始地址第二个参数模拟执行的代码大小读取内存结果decrypted_text mu.mem_read(ADDRESS_OUT, 5)第一个参数读取内存的地址第二个参数读取内存的大小浊低侥琴

相关文章:

FreakStudio鼓

环境安装 pip install keystone-engine capstone unicorn 这3个工具用法极其简单,下面通过示例来演示其用法。 Keystone 示例 from keystone import * CODE b"INC ECX; ADD EDX, ECX" try:ks Ks(KS_ARCH_X86, KS_MODE_64)encoding, count ks.asm(CODE)…...

TLE94112EL十二通道半桥驱动芯片详解与Arduino电机控制实战

1. TLE94112EL驱动芯片与DC电机控制板技术综述TLE94112EL是英飞凌(Infineon)面向汽车电子和工业控制领域推出的高集成度十二通道半桥驱动芯片,专为多电机协同控制场景设计。其核心价值在于将传统MCU需大量GPIO、PWM资源和外部保护电路才能实现…...

让静态图片活起来:EasyAnimateV5图生视频模型快速体验报告

让静态图片活起来:EasyAnimateV5图生视频模型快速体验报告 1. 开篇:一张图,六秒钟,让想象力动起来 你有没有想过,手机相册里那些定格的美好瞬间,如果能像电影一样动起来,会是什么样子&#xf…...

深入STM32 HAL库启动流程:从HAL_Init()到Systick,一步步拆解时钟与中断初始化的那些事

深入STM32 HAL库启动流程:从HAL_Init()到Systick,一步步拆解时钟与中断初始化的那些事 在嵌入式开发领域,STM32系列微控制器因其强大的性能和丰富的生态而广受欢迎。对于希望深入理解底层机制的中级开发者来说,HAL库的启动流程是一…...

【大模型应用实践】基于xiaohongshu-mcp与Cherry Studio,打造你的AI小红书内容管家

1. 为什么你需要一个AI小红书内容管家 作为一个在小红书深耕多年的内容创作者,我深知创作过程中的痛点:找选题想到头秃、写文案反复修改、排版配图耗时费力。直到我发现了xiaohongshu-mcp与Cherry Studio这对黄金组合,才真正体会到什么叫&qu…...

AI Agent Harness Engineering 时代的 UX_UI 设计原则

AI Agent Harness Engineering 时代的 UX/UI 设计原则 1. 引入与连接:与AI共舞的新纪元 1.1 一个未来场景的快照 让我们先进行一个思维实验。想象一下,2027年的一个普通工作日早晨: 你醒来,卧室的智能系统已经根据你的睡眠质量和当天日程调整了室温与照明。你走进厨房,…...

深入理解Linux OOM Killer机制与规避策略

深入理解Linux OMM Killer机制与规避策略 在Linux系统中,当内存资源耗尽时,内核会触发OOM Killer(Out-of-Memory Killer)机制,强制终止某些进程以释放内存,确保系统继续运行。这一机制可能导致关键服务被误…...

Ollama部署EmbeddingGemma-300m常见问题全解:从报错到实战

Ollama部署EmbeddingGemma-300m常见问题全解:从报错到实战 1. 为什么选择EmbeddingGemma-300m? EmbeddingGemma-300m是谷歌推出的轻量级文本嵌入模型,仅有3亿参数却继承了Gemini系列模型的强大能力。这个模型特别适合需要在本地环境部署语义…...

React Fiber 优先级调度优化

React Fiber 优先级调度优化:提升用户体验的核心机制 React Fiber 是 React 16 引入的全新架构,其核心目标是通过优先级调度优化,实现更流畅的用户交互体验。传统 React 的同步渲染机制可能导致高优先级任务(如用户输入&#xff…...

别再手动处理视频了!用YOLOv8+RTSP打造智能安防监控原型(Python/FFmpeg实战)

智能安防监控实战:基于YOLOv8与RTSP的实时目标检测系统 在智能安防领域,实时视频分析已经成为行业标配。想象一下:当传统监控摄像头遇到AI,它能自动识别闯入者、统计人流量、发现异常行为,甚至预警潜在危险。本文将带您…...

Vue + G 实战:打造高校学生打卡数据可视化大屏米

1、普通的insert into 如果(主键/唯一建)存在,则会报错 新需求:就算冲突也不报错,用其他处理逻辑 回到顶部 2、基本语法(INSERT INTO ... ON CONFLICT (...) DO (UPDATE SET ...)/(NOTHING)) 语…...

Windows 实时性补丁(RTX / WSL2)

Windows 也能硬实时? 别再混淆 RTX 实时扩展 和 WSL2 开发环境!“听说 Windows 装个补丁就能做硬实时?” “WSL2 能跑 Linux,是不是也能替代 RTOS?”答案:不能混为一谈! 一个面向确定性控制&am…...

动态规划专题(14):石子合并问题(未完待续)

问题描述:一群小孩子在玩小石子游戏,游戏有两种玩法。(1)路边玩法有n堆石子堆放在路边,将石子有序地合并成一堆,每次只能移动相邻的两堆石子合并,合并花费为新合成的一堆石子的数量。求将这N堆石…...

需求管理中的需求分析优先级排序与变更控制

需求管理是软件开发与项目管理中的核心环节,而需求分析优先级排序与变更控制则是确保项目成功的关键。在资源有限、时间紧迫的情况下,合理分配需求优先级能够有效提升交付效率;严格的变更控制机制能避免需求蔓延导致的项目失控。本文将围绕这…...

零代码基础部署Qwen3-Embedding-4B:SGLang保姆级教程

零代码基础部署Qwen3-Embedding-4B:SGLang保姆级教程 1. 引言:为什么选择Qwen3-Embedding-4B 在当今信息爆炸的时代,如何让计算机真正理解文本含义成为关键挑战。Qwen3-Embedding-4B作为通义千问系列的最新文本嵌入模型,能够将任…...

反思机制的工程实现:让AI Agent在失败后自我诊断与优化执行路径

反思机制的工程实现:让AI Agent在失败后自我诊断与优化执行路径 摘要/引言 开门见山 你有没有遇到过这种场景吗? 在过去半年里,各大公司的RAG Agent团队、AI助手产品经理和智能客服运营团队,可能都踩过同一个令人头疼的坑——**Agent在复杂任务面前“死脑筋”的情况:明明…...

▲基于RBF-Q学习的四足机器人运动协调控制算法matlab仿真

目录 1.引言 2.四足机器人运动学模型 2.1 腿部结构与坐标系 2.2 足端理想轨迹规划 3.RBF-Q学习算法原理 3.1 Q学习基本框架 3.2 RBF神经网络结构 3.3 RBF网络逼近Q值函数 3.4 权重更新规则 4.状态空间、动作空间与奖励函数设计 4.1 状态空间定义 4.2 动作空间定义 …...

CLAP零样本分类教程:科研场景中稀有鸟类叫声发现与标注

CLAP零样本分类教程:科研场景中稀有鸟类叫声发现与标注 1. 引言:从海量录音中寻找“稀客” 想象一下,你是一位生态学研究者,在野外布设了数十个录音设备,连续记录了几个月。拿回来的数据是成千上万小时的音频文件。你…...

GLM-. 全面支持与 Gemini CLI 集成:HagiCode 的多模型进化之路佣

1. 流图:数据的河流 如果把传统的堆叠面积图想象成一块块整齐堆叠的积木,那么流图就像一条蜿蜒流淌的河流,河道的宽窄变化自然流畅,波峰波谷过渡平滑。 它特别适合展示多个类别数据随时间的变化趋势,尤其是当你想强调整…...

手把手教学:用ComfyUI Qwen-Image-Edit-F2P制作你的专属AI形象卡

手把手教学:用ComfyUI Qwen-Image-Edit-F2P制作你的专属AI形象卡 1. 为什么你需要这个AI形象生成工具 想象一下这样的场景:你需要一张专业的个人形象照用于社交平台,但没时间预约摄影师;或者你想为游戏角色创建独特的头像&#…...

Z-Image-Turbo-辉夜巫女效果增强:结合ControlNet姿势控制生成进阶教程

Z-Image-Turbo-辉夜巫女效果增强:结合ControlNet姿势控制生成进阶教程 1. 模型介绍与部署准备 1.1 什么是Z-Image-Turbo-辉夜巫女 Z-Image-Turbo-辉夜巫女是基于Z-Image-Turbo模型的LoRA版本,专门针对生成"辉夜巫女"风格图片进行了优化。这…...

前端可视化方案

前端可视化方案:数据之美触手可及 在当今数据驱动的时代,前端可视化已成为连接用户与复杂数据的桥梁。无论是企业级的数据看板,还是个人项目中的动态图表,优秀的前端可视化方案能让枯燥的数据变得生动直观。通过JavaScript生态中…...

应急响应实战:从Web1靶场到挖矿溯源——知攻善防实验室深度复盘

1. 应急响应实战开场:当服务器CPU突然飙升 那天晚上11点半,实验室的小李正盯着监控大屏,突然发现一台Web服务器的CPU使用率从5%瞬间飙到98%。作为刚入行的安全值守人员,他的第一反应是直接拔了网线——这个操作虽然粗暴&#xff0…...

7kbscan-WebPathBrute实战:如何用这款工具快速发现网站隐藏路径(附字典文件分享)

7kbscan-WebPathBrute实战指南:从零开始掌握Web路径探测 在网络安全领域,Web路径探测是一项基础但至关重要的技能。想象一下,你正在评估一个网站的安全性,而管理员可能无意中遗留了一些未保护的敏感目录——比如/admin、/backup或…...

从流量包到攻击画像:一次APT攻击的深度取证WriteUp

1. 从流量包到攻击画像:APT攻击取证实战 那天下午接到应急响应通知时,我正在喝第三杯咖啡。客户发来的压缩包里只有一个5MB的pcap文件,但我知道这里面可能藏着整个攻击链条的关键证据。作为安全分析师,我们就像网络空间的法医&am…...

中文评论分析新选择:SiameseAOE属性抽取模型详细使用教程

中文评论分析新选择:SiameseAOE属性抽取模型详细使用教程 1. 认识SiameseAOE属性抽取模型 1.1 什么是属性观点抽取? 属性观点抽取(Aspect-Based Sentiment Analysis,简称ABSA)是一种能够从文本中精准识别具体属性和…...

Python asyncio 与多线程性能差异

Python asyncio与多线程性能差异解析 在现代Python开发中,异步编程(asyncio)和多线程是两种常见的并发处理方式。尽管它们都能提升程序性能,但底层机制和适用场景却大不相同。理解它们的性能差异,有助于开发者根据需求…...

新手必看!AudioSeal蓝图实验室:一键为音频加‘隐形水印’实战教程

新手必看!AudioSeal蓝图实验室:一键为音频加隐形水印实战教程 1. 引言:音频水印技术入门 音频水印技术就像给声音文件打上"数字指纹",在不影响听感的前提下嵌入特定信息。想象一下,你可以在音乐文件中隐藏…...

技术判断力之AI三问始

认识Pass层级结构 Pass范围从上到下一共分为5个层级: 模块层级:单个.ll或.bc文件 调用图层级:函数调用的关系。 函数层级:单个函数。 基本块层级:单个代码块。例如C语言中{}括起来的最小代码。 指令层级:单…...

芯片研发也能用 Minimum Viable Product?

MVP,全称 Minimum Viable Product(最小可行性产品),最早是互联网产品圈的说法——先做最小可用版本,跑通核心逻辑,验证方向对不对,再慢慢迭代。 但是芯片不是 App,改一次要流片&…...