探秘二进制代码覆盖率神器:Dragon Dance
2024-05-23 09:07:14作者:郁楠烈Hubert
在软件安全和逆向工程领域,对二进制代码的覆盖率分析至关重要。Dragon Dance 是一款为 Ghidra 设计的插件,它提供了一种强大的方式来可视化并操作二进制代码覆盖率数据。这款工具不仅支持 DynamoRIO 和 Intel Pin 这样的二进制仪器工具,还自带了专为 Intel Pin 编写的覆盖率收集模块 ddph。

功能特性一览
- 多源兼容性 - Dragon Dance 可以导入来自 DynamoRIO 的 drcov 数据以及通过 ddph 收集的 Intel Pin 覆盖信息。
- 交互式可视化 - 强大的视图功能允许您切换不同覆盖数据或进行交集、差集、并集与异或操作。
- 强度指示器 - 显示各指令执行的频率,帮助快速理解代码执行路径。
- 函数图覆盖 - 在函数图形窗口中直观展示覆盖率,便于分析复杂代码结构。
- 脚本系统 - 自定义脚本处理覆盖率数据,实现灵活的数据操作和自动化分析。
技术剖析
Dragon Dance 插件的核心是其内置的脚本系统,允许用户编写自定义的分析逻辑。通过 load、diff、distinct、sum 等内建函数,可以方便地加载、合并、比较和删除覆盖率数据。此外,脚本系统还提供了变量机制,支持物理覆盖对象(直接从文件加载)和逻辑覆盖对象(由内建函数返回)。
cov1 = load("firstcoverage.out")
cov2 = load("secondcov.out")
cov1 = diff(cov1,cov2)
这样的脚本可以轻松地完成复杂的覆盖率操作,而无需离开 Ghidra 环境。
应用场景
- 漏洞分析 - 使用 Dragon Dance 分析测试用例对目标二进制的覆盖率,找出未被触发的代码区域,可能隐藏着潜在的安全漏洞。
- 逆向工程 - 配合静态分析工具,结合代码覆盖率数据,有助于理解决策分支和循环逻辑。
- 性能优化 - 通过观察高频执行的指令,定位可能导致性能瓶颈的代码片段。
- 软件测试 - 评估测试套件的有效性,确保关键功能的充分覆盖。
为何选择 Dragon Dance?
- 集成性强 -无缝融入 Ghidra 工作流程,提供原生的 Ghidra 用户体验。
- 灵活性高 - 可扩展的脚本系统允许开发者定制自己的分析算法。
- 跨平台 - 提供预编译的 Windows、macOS 和 Linux 版本,适用范围广。
- 易用性好 - 直观的图形界面使覆盖率分析变得更加简单。
在你的代码分析和逆向工程之旅中,让 Dragon Dance 成为你得力的助手,探索那些未被触碰的代码角落,开启精彩的二进制世界探索。现在就加入 Dragon Dance 社区,开始你的冒险吧!
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220