探索异常软件行为的利器 —— Malware Behavior Analyzer (MBA)
2024-06-10 13:07:15作者:吴年前Myrtle
探索异常软件行为的利器 —— Malware Behavior Analyzer (MBA)
项目介绍
Malware Behavior Analyzer (MBA) 是一个基于QEMU的安全沙箱系统,专为异常软件分析设计。目前,MBA主要支持x86_64架构和Windows 10 x64虚拟机环境。这个强大的工具集成了多种功能,以帮助安全研究人员深入理解异常软件的行为。
项目技术分析
MBA的核心特性包括:
-
解耦信息流跟踪(DIFT): 一种被称为污点分析的技术,用于识别异常软件对客体OS造成的影响。在MBA中,DIFT已被升级到支持现代x86_64平台。
-
磁盘取证(Tsk): Tsk扩展提供了磁盘扇区与Windows客体文件之间的翻译,增强了分析深度。
-
内存取证(MemFrs): 通过虚拟机内省在不依赖客体OS的情况下解析内存数据,提取如进程列表等高阶语义信息。
-
Windows内嵌式代理(Agent): 提供QEMU控制台与Windows客体操作系统间通信的能力,支持执行命令、导入导出文件等功能。
-
开箱即用的挂钩(OBHook): 在虚拟机层面实现对客体OS事件的拦截,无需修改客体代码,避免了异常软件的干扰。
-
网络流量监控(NetTraMon): 监控并解析客体OS的TCP/UDP/ICMP网络流量,用户可以设置存储特定协议解析后的包。
-
指令记录器(Tracer): 实时记录样本执行的指令,提供用户态和内核态的追踪功能。
-
系统调用记录器(Systrace): 记录样本运行过程中的系统调用,有助于理解异常软件操作系统的手段。
应用场景
MBA适用于各种安全研究场景,例如:
- 异常软件行为分析
- 网络安全威胁检测
- 软件问题挖掘
- 反病毒策略开发
- 系统安全评估
项目特点
- 全面性:涵盖多种分析方法,从信息流跟踪到系统调用追踪。
- 灵活性:可根据需求启用或禁用不同组件。
- 兼容性:主要针对x86_64架构和Windows 10 x64,但具有一定的可移植性。
- 易用性:提供清晰的API文档和快速启动指南。
- 社区支持:由国立交通大学分布式系统和网络安全实验室的成员维护,有一支专业的团队支持。
要开始使用MBA,请访问项目GitHub页面克隆源码,按照提供的说明进行编译和配置。让我们一起探索异常软件世界的奥秘,保护我们的数字世界不受侵犯!
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
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
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
312
2.72 K
deepin linux kernel
C
24
7
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++
639
244
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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
1.03 K
469
Ascend Extension for PyTorch
Python
151
177
暂无简介
Dart
605
135
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
231
83
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
364
3 K
React Native鸿蒙化仓库
JavaScript
237
310