AngrCTF_FITM 项目教程
2024-09-14 09:38:05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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (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
854
505

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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
254
295

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
21
5