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。
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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112