Qiling框架中Shellcode执行问题的分析与解决方案
2025-06-07 03:31:12作者:邵娇湘
问题背景
在使用Qiling框架进行二进制分析时,许多开发者会遇到尝试执行Shellcode时出现KeyError: 'x8664'错误的情况。这个问题源于Qiling框架版本更新后API接口的变化,导致旧示例代码不再适用。
错误现象
当开发者按照旧文档中的示例代码执行Shellcode时,会遇到以下错误:
Traceback (most recent call last):
File "ql_shellcode.py", line 21, in <module>
ql = Qiling(code=shellcode, rootfs='examples/rootfs/x8664_windows', archtype='x8664', ostype='Windows', verbose=QL_VERBOSE.DEBUG)
File "/qiling/core.py", line 154, in __init__
self._arch = select_arch(archtype, cputype, endian, thumb)(self)
File "/qiling/utils.py", line 388, in select_arch
module = {
KeyError: 'x8664'
问题根源
这个错误的核心原因是Qiling框架在新版本中修改了架构类型的命名规范。旧版本中使用的是x8664这样的表示方法,而新版本中已经改为更标准的架构命名方式。
解决方案
要解决这个问题,需要按照Qiling框架最新版本的API规范来编写Shellcode执行代码。以下是正确的实现方式:
from qiling import Qiling
from qiling.const import QL_VERBOSE, QL_ARCH, QL_OS
shellcode = bytes.fromhex('''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''')
# 使用正确的架构类型和操作系统类型常量
ql = Qiling(
code=shellcode,
rootfs='examples/rootfs/x8664_windows',
archtype=QL_ARCH.X8664,
ostype=QL_OS.WINDOWS,
verbose=QL_VERBOSE.DEBUG
)
ql.run()
关键修改点
- 架构类型定义:不再使用字符串
'x8664',而是使用框架提供的枚举常量QL_ARCH.X8664 - 操作系统类型定义:同样使用枚举常量
QL_OS.WINDOWS替代字符串'Windows' - 导入路径:确保从正确的模块导入这些常量
深入理解
Qiling框架的这种变化体现了软件工程中的良好实践:
- 类型安全:使用枚举常量而非字符串可以避免拼写错误
- 可维护性:集中管理这些常量便于未来扩展和修改
- 一致性:统一的命名规范提高了代码的可读性
最佳实践建议
- 始终参考框架的最新文档和测试用例
- 使用框架提供的常量而非硬编码字符串
- 定期更新Qiling框架到最新版本
- 当遇到类似错误时,检查框架的变更日志和测试用例
通过这种方式,开发者可以避免类似的兼容性问题,并编写出更健壮、可维护的二进制分析代码。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
Kimi-K2-ThinkingKimi-K2-Thinking是最新开源思维模型,作为能动态调用工具的推理代理,通过深度多步推理和稳定工具调用(200-300次连续调用),在HLE、BrowseComp等基准测试中刷新纪录。原生INT4量化模型,256k上下文窗口,实现推理延迟和GPU内存使用的无损降低,支持自主研究、编码和写作等工作流。【此简介由AI生成】Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
296
2.64 K
Ascend Extension for PyTorch
Python
128
149
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++
607
190
React Native鸿蒙化仓库
JavaScript
228
307
暂无简介
Dart
588
127
🎉 (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
1.05 K
611
仓颉编译器源码及 cjdb 调试工具。
C++
122
474
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
46
77
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
178
62
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!
C
1.02 K
454