AngrCTF_FITM 项目教程
2024-09-14 10:25:19作者:董斯意
1. 项目介绍
AngrCTF_FITM 是一个专注于使用 Angr 框架进行 CTF(Capture The Flag)竞赛的练习和教学项目。Angr 是一个强大的二进制分析框架,能够进行符号执行、动态分析和静态分析,广泛应用于逆向工程、漏洞挖掘和程序分析等领域。AngrCTF_FITM 项目通过一系列精心设计的 CTF 题目,帮助用户深入理解和掌握 Angr 的使用技巧。
2. 项目快速启动
2.1 环境准备
首先,确保你已经安装了 Python 3.x 和 Angr 框架。你可以通过以下命令安装 Angr:
pip install angr
2.2 克隆项目
使用 Git 克隆 AngrCTF_FITM 项目到本地:
git clone https://github.com/ZERO-A-ONE/AngrCTF_FITM.git
cd AngrCTF_FITM
2.3 运行示例
项目中包含多个示例题目,每个题目都有对应的 Python 脚本用于自动化求解。以下是一个简单的示例脚本:
import angr
import claripy
def main():
    # 加载二进制文件
    project = angr.Project('examples/00_angr_find')
    
    # 创建初始状态
    initial_state = project.factory.entry_state()
    
    # 创建模拟管理器
    simulation = project.factory.simgr(initial_state)
    
    # 定义成功地址
    print_good_address = 0x8048678
    
    # 探索路径
    simulation.explore(find=print_good_address)
    
    # 检查是否找到解
    if simulation.found:
        solution_state = simulation.found[0]
        solution = solution_state.posix.dumps(0)
        print("[+] Success! Solution is: {}".format(solution.decode("utf-8")))
    else:
        raise Exception('Could not find the solution')
if __name__ == "__main__":
    main()
2.4 运行脚本
将上述脚本保存为 solve.py,然后在终端中运行:
python solve.py
3. 应用案例和最佳实践
3.1 符号化寄存器
在某些 CTF 题目中,程序会直接读取寄存器中的值进行校验。Angr 可以通过符号化寄存器来解决这类问题。以下是一个示例:
initial_state.regs.eax = claripy.BVS('eax', 32)
initial_state.regs.ebx = claripy.BVS('ebx', 32)
3.2 符号化栈
对于栈上的数据,Angr 同样可以进行符号化处理。以下是一个示例:
initial_state.stack_push(claripy.BVS('stack_var', 32))
3.3 符号化内存
对于内存中的数据,Angr 提供了 memory.store 方法进行符号化处理。以下是一个示例:
initial_state.memory.store(0x1000, claripy.BVS('mem_var', 32))
3.4 符号化文件系统
在某些题目中,程序会读取文件内容进行校验。Angr 可以通过符号化文件系统来解决这类问题。以下是一个示例:
sim_file = angr.storage.SimFile('example.txt', content=claripy.BVS('file_content', 64))
initial_state.fs.insert('example.txt', sim_file)
4. 典型生态项目
4.1 Angr 官方文档
Angr 官方提供了详细的文档和教程,帮助用户深入理解 Angr 的各项功能和使用方法。
4.2 CTFTime
CTFTime 是一个全球性的 CTF 竞赛信息平台,用户可以在上面找到各种 CTF 竞赛的信息和题目,适合与 Angr 结合进行练习。
4.3 Pwntools
Pwntools 是一个强大的 CTF 工具包,常与 Angr 结合使用,提供了一系列方便的工具和库,帮助用户快速开发和调试 CTF 题目。
登录后查看全文 
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
274
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
103
132
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++
597
157
暂无简介
Dart
564
126
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
239
14
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
118
98
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
445