BranchMonitoringProject 使用教程
2024-09-24 18:40:04作者:宗隆裙
1. 项目介绍
BranchMonitoringProject 是一个基于分支监控的进程监控解决方案,适用于现代 Windows 系统。该项目利用 Intel 处理器的分支跟踪存储(Branch Trace Store, BTS)技术,实现了一个动态、透明的监控框架。该框架提供了多种分析功能,如函数调用跟踪和控制流图(Control Flow Graph, CFG)重建。
项目由 Marcus Botacin 开发,作为其在 University of Campinas 的计算机科学硕士工作的一部分,由 Paulo Lício de Geus 和 André Ricardo Abed Grégio 教授指导。
2. 项目快速启动
2.1 环境准备
- 操作系统:Windows
- 开发工具:Visual Studio 2012
- 依赖库:MSVCR110D.dll(调试符号编译时需要)
- Python 和 win32file(简单客户端需要)
- .Net Framework(高级客户端需要)
- Capstone(代码反汇编需要)
- Sysinternals, BeautifulSoup, Codecs, ConfigParser(自动启动器需要)
- DLL Export Viewer(DumpDLL 工具需要)
- Alignment 库(Divergence Analysis 工具需要)
2.2 编译项目
-
克隆项目仓库:
git clone https://github.com/marcusbotacin/BranchMonitoringProject.git -
打开 Visual Studio 2012,加载项目解决方案文件。
-
配置编译路径和系统架构:
// 在 config.h 文件中设置 #define DEBUG #define DRIVER_NAME "[BRANCH-MONITOR]" #define DRIVERNAME L"\\Device\\BranchMonitor" #define DOSDRIVERNAME L"\\DosDevices\\BranchMonitor" #define BTS_CORE 3 -
编译项目。
2.3 安装和运行
-
禁用驱动签名强制:
- 重启系统,进入 BIOS 设置,禁用驱动签名强制。
-
安装驱动:
- 使用服务管理器加载驱动。
-
运行简单客户端:
python simple_client.py -
运行高级客户端:
BranchClient.exe <binary_address> <library_addresses>
3. 应用案例和最佳实践
3.1 恶意软件分析
BranchMonitoringProject 可以用于实时监控恶意软件的行为,通过捕获分支数据,分析其控制流图,识别潜在的恶意行为。
3.2 调试透明性验证
项目中的 Transparency Tests 工具可以用于验证调试器的透明性,确保在监控过程中不会被检测到。
3.3 控制流完整性(CFI)验证
ROP 工具可以用于在执行跟踪中验证控制流完整性,防止 ROP 攻击。
4. 典型生态项目
4.1 PIN Branch Monitor
PIN Branch Monitor 是一个基于 DBT(Dynamic Binary Translation)的分支监控实现,用于比较研究。
4.2 RetMonitor
RetMonitor 提供了 PEBS 和 LBR 支持,用于进一步的研究目的。
4.3 DumpDLL
DumpDLL 工具用于简化内省头文件的生成,解析 DLL 转储并生成正确的有序输出。
通过以上步骤,您可以快速启动并使用 BranchMonitoringProject 进行进程监控和分析。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
387
458
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++
894
680
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
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
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
68
20
🎉 (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
1.37 K
781