AngrCTF_FITM 项目教程
2024-09-14 20:30:08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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
538
3.76 K
Ascend Extension for PyTorch
Python
343
410
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++
886
602
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
337
181
暂无简介
Dart
775
192
deepin linux kernel
C
27
11
🎉 (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
1.34 K
757
React Native鸿蒙化仓库
JavaScript
303
356
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
987
252
仓颉编译器源码及 cjdb 调试工具。
C++
154
895