SGN:新一代多态二进制编码器,助力攻防对抗
项目介绍
SGN(Shikata Ga Nai)是一款专为攻防对抗设计的多态二进制编码器,旨在生成静态检测无法识别的二进制负载。SGN通过使用加性反馈回路(类似于线性反馈移位寄存器,LFSR)对给定的二进制指令进行编码,从而实现高度混淆的效果。该项目是原始Shikata Ga Nai编码器的Go语言重实现,并在此基础上进行了多项改进,使其在功能和性能上都有显著提升。
项目技术分析
SGN的核心技术在于其多态编码机制,通过以下几个关键技术点实现了高度的混淆效果:
-
64位支持:原始Shikata Ga Nai仅支持32位架构,而SGN则全面支持64位架构,使得生成的负载能够适应更广泛的系统环境。
-
更小的解码器存根:通过将LFSR密钥减少到1字节,SGN显著缩小了解码器存根的大小,从而减少了被检测的风险。
-
伪随机编码模式:不仅对负载进行编码,解码器存根本身也采用伪随机模式进行编码,进一步增加了检测的难度。
-
无显式循环条件:解码器存根在解码过程中不使用任何显式的循环条件,完全依赖于LFSR的特性,使得静态分析更加困难。
-
解码器存根混淆:通过集成Keystone汇编库,SGN能够在解码器存根中插入随机垃圾指令,进一步混淆解码过程。
-
安全寄存器选项:提供可选的安全寄存器保护功能,确保在解码过程中不破坏任何寄存器的值,虽然这可能会降低多态性。
项目及技术应用场景
SGN主要应用于以下场景:
-
渗透测试:在渗透测试中,SGN可以帮助生成难以被静态检测工具识别的恶意负载,从而提高攻击的成功率。
-
恶意软件开发:对于恶意软件开发者而言,SGN提供了一种强大的工具,能够生成高度混淆的二进制代码,增加恶意软件的生存能力。
-
安全研究:SGN也可以作为安全研究工具,帮助研究人员理解和分析多态编码技术,从而开发更有效的检测和防御机制。
项目特点
SGN的主要特点包括:
-
高度多态性:通过多种编码和混淆技术,SGN生成的二进制负载在每次编码后都具有高度的多态性,难以被静态检测工具识别。
-
灵活的架构支持:支持32位和64位架构,适应不同的系统环境。
-
易于集成:SGN不仅提供了命令行工具,还可以作为库集成到其他Go语言项目中,方便开发者进行二次开发。
-
开源与社区支持:SGN是一个开源项目,拥有活跃的社区支持,用户可以通过GitHub提交问题和建议,参与项目的改进。
结语
SGN作为一款专为攻防对抗设计的多态二进制编码器,凭借其强大的编码和混淆能力,为渗透测试、恶意软件开发和安全研究提供了有力的支持。无论你是安全研究人员、渗透测试工程师,还是恶意软件开发者,SGN都将成为你工具箱中不可或缺的一部分。立即访问SGN GitHub页面,体验SGN带来的强大功能吧!
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 StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06