Il2CppDumper技术指南:解析Unity二进制文件的逆向工程工具
2026-05-04 09:48:38作者:何举烈Damon
基础认知
工具定位
Il2CppDumper是一款针对Unity应用的逆向工程工具,用于解析IL2CPP编译后的二进制文件与元数据,提取类型定义、方法信息和数据结构。支持Windows、Linux、macOS多平台运行,需.NET Framework 4.7.2或更高版本环境。
核心能力
- 解析多种可执行文件格式(PE/ELF/Mach-O/WASM)
- 提取元数据(Metadata)中的类型定义与继承关系
- 生成伪DLL文件与结构体定义
- 支持主流逆向工具集成(IDA Pro/Ghidra/Binary Ninja)
**元数据(Metadata)**:IL2CPP编译过程中生成的包含类型、方法、字段等信息的二进制数据文件,通常命名为global-metadata.dat
快速上手指南
环境准备
- 安装.NET SDK 5.0或更高版本
- 克隆代码仓库:
git clone https://gitcode.com/gh_mirrors/il/Il2CppDumper - 编译项目:
cd Il2CppDumper && dotnet build Il2CppDumper.sln
基本使用流程
-
准备目标文件:
- 可执行文件(如libil2cpp.so、GameAssembly.dll)
- 元数据文件(global-metadata.dat)
-
执行基础解析:
dotnet Il2CppDumper.dll <可执行文件路径> <元数据文件路径> <输出目录>
版本兼容性矩阵
| 功能 | Windows | Linux | macOS | 最低Unity版本 |
|---|---|---|---|---|
| PE解析 | ✅ | ❌ | ❌ | 5.3 |
| ELF解析 | ❌ | ✅ | ❌ | 5.3 |
| Mach-O解析 | ❌ | ❌ | ✅ | 5.5 |
| WASM解析 | ✅ | ✅ | ✅ | 2018.1 |
| 伪DLL生成 | ✅ | ✅ | ✅ | 5.3 |
场景驱动
场景一:Android游戏二进制分析
问题描述:需要分析Android平台Unity游戏的libil2cpp.so文件,提取类结构与方法信息。
操作步骤:
- 准备文件:将libil2cpp.so和global-metadata.dat复制到工作目录
- 执行解析命令:
dotnet Il2CppDumper.dll libil2cpp.so global-metadata.dat output - 查看输出结果:检查output目录下的dump.cs和DummyDll文件夹
效果对比:
- 原始二进制:无法直接查看类结构与方法签名
- 解析后输出:获得可读的C#类定义与方法声明,可用于静态分析
场景二:IDA Pro集成分析
问题描述:需要在IDA Pro中加载IL2CPP结构信息,辅助逆向分析过程。
操作步骤:
- 生成IDA脚本:
dotnet Il2CppDumper.dll --gen-ida <可执行文件> <元数据文件> ida_script.py - 在IDA Pro中加载脚本:
File > Script file... > 选择ida_script.py - 应用类型信息:等待脚本执行完成,IDA视图将显示解析后的类型名称
效果对比:
- 未集成前:函数名为sub_xxxx,无法识别类型信息
- 集成后:函数名与参数类型被还原,调用关系清晰可见
场景三:WebAssembly模块解析
问题描述:需要分析Unity WebGL构建输出的wasm模块中的IL2CPP结构。
操作步骤:
- 提取文件:从构建输出中获取UnityLoader.js和.wasm文件
- 执行专门解析:
dotnet Il2CppDumper.dll --wasm <wasm文件> <元数据文件> wasm_output - 生成结构定义:
cd wasm_output && dotnet run --project StructGenerator
效果对比:
- 原始wasm:字节码格式难以直接分析
- 解析后:获得C风格结构体定义与函数声明,可用于安全审计
场景四:版本差异比较
问题描述:需要比较同一游戏不同版本间的代码结构变化。
操作步骤:
- 分别解析两个版本:
dotnet Il2CppDumper.dll v1/libil2cpp.so v1/global-metadata.dat v1_outputdotnet Il2CppDumper.dll v2/libil2cpp.so v2/global-metadata.dat v2_output - 使用diff工具比较输出:
diff -r v1_output/dump.cs v2_output/dump.cs
效果对比:
- 直接比较二进制:难以发现逻辑变化
- 比较解析结果:可清晰识别类、方法的新增、删除与修改
深度配置
基础配置
通过编辑<安装目录>/config.json文件进行基础配置:
| 参数 | 默认值 | 范围 | 说明 |
|---|---|---|---|
| DumpMethod | true | true/false | 控制是否输出方法信息 |
| GenerateDummyDll | true | true/false | 是否生成伪DLL文件 |
| MakeFunction | false | true/false | 是否生成函数定义 |
| OutputFormat | "cs" | "cs"/"h"/"json" | 输出文件格式 |
| SearchMethod | "auto" | "auto"/"symbol"/"manual" | 方法搜索模式 |
配置示例:
{
"DumpMethod": true,
"GenerateDummyDll": true,
"OutputFormat": "cs",
"SearchMethod": "auto"
}
高级调优
修改<安装目录>/Utils/SearchSection.cs文件调整搜索算法:
- 调整搜索窗口大小:修改
const int WindowSize = 0x1000;值 - 优化内存使用:设置
MaxSearchDepth参数控制递归深度 - 并行处理配置:修改
ParallelOptions.MaxDegreeOfParallelism控制并发数
风险提示:调整搜索参数可能导致解析速度变慢或内存占用增加,建议逐步调整并测试效果。
扩展开发
通过继承基础类扩展新功能:
-
添加新文件格式支持:
- 继承<安装目录>/ExecutableFormats/ElfBase.cs
- 实现抽象方法
ParseHeader()和FindTextSection()
-
开发自定义输出模块:
- 创建新类继承<安装目录>/Outputs/StructGenerator.cs
- 重写
Generate()方法实现自定义格式输出
-
集成新逆向工具:
- 参考<安装目录>/ida.py编写新工具脚本
- 实现
export_to_tool()接口处理数据转换
常见故障排除
1. 元数据解析失败
症状:提示"Metadata file is invalid" 解决方案:
- 检查文件完整性:确保global-metadata.dat未损坏
- 验证版本匹配:确认元数据与可执行文件来自同一构建
- 更新工具版本:使用最新版Il2CppDumper尝试解析
2. 解析速度过慢
症状:处理大型文件时耗时超过30分钟 解决方案:
- 增加内存分配:
export DOTNET_GCHeapHardLimit=4GB - 限制输出范围:使用
--filter参数指定需要解析的命名空间 - 分阶段处理:先使用
--quick模式生成基础结构,再针对性解析
3. Dummy DLL生成失败
症状:输出目录中缺少DummyDll文件夹 解决方案:
- 检查依赖:确保安装.NET SDK而非仅运行时
- 清理缓存:删除obj和bin目录后重新编译
- 手动生成:运行
dotnet run --project DummyAssemblyGenerator
4. IDA脚本加载错误
症状:IDA中执行脚本提示"import error" 解决方案:
- 安装Python依赖:
pip install six - 检查IDA Python版本:确保使用Python 3.x环境
- 更新脚本:使用
--gen-ida-py3参数生成Python 3兼容脚本
5. WASM解析不完整
症状:输出文件缺少部分类型定义 解决方案:
- 启用详细日志:添加
--log-level debug参数查看解析过程 - 手动指定内存段:使用
--wasm-memory-base 0x10000设置基地址 - 提供Unity版本:使用
--unity-version 2020.3指定精确版本
技术限制与替代方案
已知限制
- IL代码还原:无法完全还原原始C#代码逻辑,仅能提供方法签名与结构信息
- 混淆处理:对重度混淆的元数据识别率下降,可能导致部分类型无法解析
- 泛型支持:复杂泛型类型的解析可能存在错误
替代方案建议
- 代码逻辑还原:配合dnSpy等.NET反编译工具分析生成的Dummy DLL
- 混淆处理:先使用de4dot等工具进行预处理,再使用Il2CppDumper解析
- 复杂类型分析:结合Ghidra的IL2CPP分析插件进行交叉验证
性能优化建议
- 64位系统:始终使用64位版本工具处理大型文件
- 内存配置:确保系统内存不少于8GB,推荐16GB以上
- 磁盘空间:预留至少10GB临时空间用于处理大型项目
参考文献
- Unity Technologies. "IL2CPP Internals" [2021]
- reverseengineering.stackexchange.com. "IL2CPP Reverse Engineering Guide" [2022]
- Il2CppDumper GitHub Wiki. "Advanced Configuration Options" [2023]
- "Practical Reverse Engineering" by Bruce Dang et al. [Wiley, 2014]
- "Reverse Engineering for Beginners" by Dennis Yurichev [2017]
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0197
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 Notebook0125
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5 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++
863
1.95 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++
689
1.35 K
Ascend Extension for PyTorch
Python
722
894
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
458
450
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
264
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
624
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
639
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
152
250