Angr CTF 入门与实战教程
2024-08-10 19:32:14作者:何举烈Damon
1. 项目介绍
Angr CTF 是一个由 Jake Springer 创建的开源项目,用于设计一系列的练习和挑战,帮助学习者掌握逆向工程、动态分析以及Angr库的使用。Angr 是一个强大的二进制分析框架,它具备执行仿真、路径探索和符号执行等功能,广泛应用于软件安全研究和CTF比赛。
本教程的目标是引导你通过实践,了解如何使用Angr解决CTF比赛中常见的逆向和安全分析问题。
2. 项目快速启动
首先确保你的系统已安装Python和Git。接下来,克隆项目仓库并安装必要的依赖:
git clone https://github.com/jakespringer/angr_ctf.git
cd angr_ctf
pip install -r requirements.txt
现在你可以运行一个示例级别来体验Angr的工作方式。例如,尝试级别 01_angr_avoid:
python package.py run 01_angr_avoid
这将启动一个本地服务器,你可以在浏览器中访问 http://localhost:8000 来参与挑战。
3. 应用案例与最佳实践
示例:符号执行寻找输入
以 03_angr_symbolic_registers 级别为例,目标是使用符号执行找到正确的输入值,使得程序计算的结果满足特定条件。以下是一段简单的使用Angr进行符号执行的代码:
import angr
def find_input():
# 加载二进制文件
binary_path = "path/to/your/binary"
project = angr.Project(binary_path)
# 初始化状态
initial_state = project.factory.entry_state()
# 将标准输入设置为符号变量
stdin = claripy.BVS('stdin', 32*10)
initial_state.posix.stdin = stdin
# 创建路径组并开始探索
pg = project.factory.path_group(initial_state)
pg.explore(find=0x080484e4) # 替换为你期望的地址
# 获取满足条件的输入
found_states = pg.found
input_value = found_states[0].regs.eax
print(f"Correct input: {claripy.eval(input_value, 32)}")
find_input()
这个例子展示了如何设置符号输入,然后让Angr自动搜索满足特定条件的输入值。
最佳实践
- 理解二进制: 在使用Angr之前,先手动分析二进制文件,了解其基本结构和行为。
- 选择适当的策略: 根据问题类型,选择路径限制(如避免某些区域)、约束求解或Veritesting等方法。
- 调试与日志: 使用Angr提供的调试功能,结合日志输出来跟踪执行过程,帮助找出问题所在。
- 优化性能: 对于大型程序,考虑使用状态合并、路径压缩等技术提高效率。
4. 典型生态项目
Angr生态系统中的其他重要项目包括:
- Cle: Angr的可加载库引擎,用于解析ELF、PE等二进制格式。
- Simuvex: 提供执行仿真环境的核心组件。
- VEX: ARM和X86指令集仿真器,由QEMU和Valgrind项目共同开发。
- angr-examples: 一些使用Angr的实际示例,可以帮助学习各种技巧和应用场景。
- angr-doc: 官方文档,提供了详细的API参考和教程。
以上是Angr CTF项目的基础介绍和实践指南,通过不断练习,你可以逐步掌握高级的二进制分析技术。祝你在逆向工程的道路上越走越远!
登录后查看全文
热门项目推荐
相关项目推荐
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
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
533
3.75 K
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
342
405
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
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178