开源项目最佳实践教程:de-ollvm
2025-05-16 06:49:41作者:羿妍玫Ivan
1. 项目介绍
de-ollvm 项目是基于OLLVM(Obfuscator-LLVM)的一个分支,它主要用于对LLVM编译器进行修改,增加代码混淆功能,以提高软件的安全性。OLLVM通过对LLVM的底层进行修改,增加了多种混淆技术,使得逆向工程变得更加困难。
2. 项目快速启动
环境准备
在开始之前,确保你的系统中已经安装了以下依赖:
- GCC 4.8 或更高版本
- LLVM 3.9 或更高版本
- CMake 3.3.2 或更高版本
- Python 2.7 或更高版本
克隆代码
首先,从GitHub上克隆de-ollvm项目:
git clone https://github.com/PShocker/de-ollvm.git
cd de-ollvm
编译项目
使用CMake构建项目:
mkdir build
cd build
cmake ..
make
验证安装
编译完成后,可以通过以下命令验证de-ollvm是否安装成功:
which llvm-dis
which llvm-as
which llvm-ld
上述命令应该返回对应程序的路径。
3. 应用案例和最佳实践
案例一:简单混淆
以下是一个简单的例子,展示了如何使用de-ollvm对C代码进行混淆。
首先,编写一个简单的C程序:
#include <stdio.h>
int main() {
printf("Hello, world!\n");
return 0;
}
然后,使用de-ollvm进行编译:
clang -O0 -Xclang -load -Xclang /path/to/de-ollvm/build/lib/LLVMObfuscate.so -mllvm -sub -mllvm -ep -mllvm -split -o test test.c
这里的-O0表示不进行优化,-Xclang -load -Xclang /path/to/de-ollvm/build/lib/LLVMObfuscate.so是加载混淆插件,后面的是具体的混淆选项。
最佳实践
- 在编译前确保正确设置了所有依赖。
- 使用不同的混淆选项组合,找到最适合你项目的混淆策略。
- 测试混淆后的程序确保功能不受影响。
4. 典型生态项目
- OLLVM: de-ollvm的原始项目,提供了基本的代码混淆功能。
- LLVM: 作为现代编译器的框架,支持多种编程语言的编译和优化。
- GCC: 作为另一个流行的开源编译器,经常与LLVM结合使用。
以上就是关于de-ollvm项目的最佳实践教程,希望对您有所帮助。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。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Python00
HunyuanVideo-1.5暂无简介00
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1