探索AMD处理器上的高级监控利器:SimpleSvmHook
项目介绍
.SimpleSvmHook是一个专为Windows系统和AMD处理器设计的研究型虚拟机监控器(hypervisor)。它巧妙地利用了AMD虚拟化(AMD-V)技术中的Nested Page Tables(NPT),实现对内核模式函数的钩取并保护其免受检测。作为一个示例性项目,SimpleSvmHook展示了在AMD平台上如何进行虚拟机 introspection(VMI)以及与Intel处理器上类似方案的不同之处。
如果你对DdiMon有所了解,那么SimpleSvmHook可以看作是AMD平台上的功能等价实现,尽管有一些独特之处。
项目技术分析
隐形钩子的实现
隐形钩子是不被外部观察到的钩子,特别是在虚拟机监控场景中,能够引导执行指定地址而不易被目标系统发现。SimpleSvmHook通过使用NPT来区分内存的读写和执行视图。然而,与Intel的Extended Page Table(EPT)不同,AMD的NPT不支持只执行权限,这就要求SimpleSvmHook采取不同的策略来隐藏钩子。
在AMD平台上,SimpleSvmHook需将可读写页面作为默认映射,并在需要时切换到含有陷阱指令的复制页。由于缺少执行仅权限,钩子在某些情况下会变得可见。为了避免这个问题,项目采用了一种权衡策略,即当执行离开挂钩页时,监视器会捕获异常,重新设置页面权限以恢复隐藏状态,但这也带来了更高的性能开销。
项目及技术应用场景
SimpleSvmHook主要适用于以下场景:
- 研究与教学:对于想深入理解虚拟机监控技术的学者或学生,这是一个非常有价值的实验平台。
- 系统安全:可以用于监测系统内核API调用,提升系统的安全性和审计能力。
- 软件调试:在不影响正常运行的情况下,实时跟踪和分析特定内核代码的行为。
项目特点
- AMD技术支持:专注于AMD处理器的VMI实现,填补了这一领域的空白。
- 隐形钩子:即使在没有执行仅权限的限制下,也能实现一定程度的隐形。
- 复杂情况处理:应对 Guests 执行同一页面中的钩子代码,提供了部分解决方案,虽然有局限性。
- 性能优化挑战:考虑到频繁的VM-exit操作,项目面临一定的性能损失问题。
安装与卸载
构建并安装SimpleSvmHook,你需要首先从GitHub克隆源代码,然后使用Visual Studio进行编译。为了安装驱动程序,还需要启用测试签名。通过管理员权限的命令提示符执行以下命令,然后重启系统:
>bcdedit /set testsigning on
使用sc
命令进行驱动程序的安装和卸载:
>sc create SimpleSvmHook type= kernel
总体而言,SimpleSvmHook为AMD处理器提供了一种创新的VMI方式,虽然存在一些技术和性能上的挑战,但它在学术研究和实际应用中都展现出了独特的价值。无论你是开发者、研究人员还是安全专家,这个项目都值得你进一步探索和使用。
- 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~055CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode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。07GOT-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!C0380- 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









