探索未知,尽在Ghidralligator

Ghidralligator 是一个基于C++的多架构Pcode模拟器,利用了Ghidra的libsla库,专为使用AFL++进行模糊测试而设计。它能高效处理运行于各类罕见架构上的二进制文件的模糊测试,使您无需担心性能问题。
项目简介
Ghidralligator旨在填补现有模拟器与“黑盒”模拟器之间的空白。前者需要大量的设置和手动修改,而后者则不易扩展并不适合特定或非主流应用。它的主要目标是针对闭源二进制代码,特别是用于嵌入式设备应用程序或固件的安全研究,这些通常运行在各种不常见的架构上。
作为afl_ghidra_emu的升级版,Ghidralligator在执行速度和功能方面有了显著提升,如集成asan以检测内存溢出等问题。
项目技术分析
Ghidralligator的核心在于其可扩展性。用户只需编写相应的Sleigh规范文件,就能轻松模拟几乎任何架构。它支持两种模式:replay(仅启动一次程序)和fuzz(通过AFL进行模糊测试)。此外,还提供了配置文件来定义内存映射布局和初始程序状态,并允许用户自定义钩子(hooks),以适应特定需求。
应用场景
- 漏洞研究:对于无法获取源码的二进制文件,Ghidralligator可以帮助发现潜在的漏洞。
- 嵌入式设备安全:可以对运行在如RISC-V、MIPS等非主流架构上的固件进行安全性评估。
- 软件兼容性测试:验证二进制文件在不同硬件平台下的行为一致性。
项目特点
- 多架构支持:通过Sleigh规范文件,轻松覆盖多种处理器架构。
- 高性能:即使在模拟罕见架构时,仍能保持良好的运行效率。
- asan集成:内置地址空间布局随机化(ASAN),可自动检测内存错误。
- 易扩展:灵活的配置文件和钩子系统,使得定制化测试变得简单。
- 与AFL++无缝集成:直接支持AFL++的模糊测试框架,简化工作流程。
开始你的旅程
要开始使用Ghidralligator,首先确保你的Linux系统安装了GCC 17或更高版本。然后按照项目中的说明克隆并安装AFL++,接着编译Ghidralligator及其内含的依赖项。你可以从官方Ghidra仓库下载已有的.sla文件,或者自己创建。
运行示例脚本run_examples.sh可以快速体验其功能,并查看ASAN如何捕获异常行为。为了模糊测试,只需将-m fuzz选项添加到命令行中,配合AFL++即可。
# 演示模式运行
$ ./ghidralligator -m replay -c examples/x86/config.json -I -i examples/x86/input/normal_use_case.bin
# 使用AFL++进行模糊测试
$ AFL_SKIP_BIN_CHECK=1 afl-fuzz -D -i ./afl_inputs -o ./afl_outputs/ -- ./ghidralligator -m fuzz -c examples/x86/config.json
了解更多详细信息,请查阅项目文档,包括配置文件和用户钩子的写作指南。
最后的话
Ghidralligator是一个强大的工具,适用于那些渴望深入探究二进制代码秘密的技术爱好者和安全研究员。由于它是开源项目,我们欢迎所有有兴趣的开发者贡献自己的力量,共同推动其发展。现在就加入我们,一起探索未知的软件世界吧!
项目许可证:Apache许可协议2.0版。
依赖项目许可证:
- Ghidra 由NationalSecurityAgency发布,遵循Apache 许可协议2.0。
- JSON库 由nlohmann,遵循MIT许可。
- xxHash库 由Cyan4973,遵循BSD 2-Clause许可。
作者
- Flavian Dola - Airbus Cybersecurity (Twitter)
- Guillaume Orlando - Airbus Cybersecurity (Twitter)
不要犹豫,马上尝试Ghidralligator吧!
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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