网站刷流量对网站有影响吗pageadmincms

需求

一般现在流行的LLM大模型逆向分析环境为IDA + MCP或者Ghidra + MCP环境，需要在PC端安装IDA或Ghidra客户端软件，通过MCP Server与本地的IDA或Ghidra交互。

有没有一种直接上传可执行文件，本地只需要一个AI客户端就能进行AI逆向分析的环境？

经过一段时间的研究，理论上比较完美的就是使用IDA Pro的Linux版本，结合MCP Server实现。但Linux版本的IDA Pro没有找到破解版，又不愿意花钱，放弃。

后来看到radare2逆向分析软件，支持Linux平台，支持命令行进行操作，于是拿radare2开刀。

Radare2简介

Radare2（简称 r2）是一个开源的逆向工程框架，用于分析、调试、破解和修改二进制文件。它功能强大，跨平台支持（Windows、Linux、macOS 等），广泛应用于软件逆向、漏洞研究和恶意软件分析等领域。

主要特点

• 模块化设计：Radare2 采用插件化架构，支持多种文件格式（如 ELF、PE、Mach-O）、架构（如 x86、ARM、MIPS）和分析功能。

• 多功能工具集：

  • 反汇编：支持多种指令集，生成可读的汇编代码。

  • 调试：内置调试器，支持本地和远程调试。

  • 二进制分析：自动识别函数、字符串、交叉引用等。

  • 脚本支持：支持多种脚本语言（如 Python、Lua、JavaScript）自动化分析。

  • 可视化：提供 ASCII 艺术风格的图形界面（如函数调用图）。

• 命令行驱动：核心是命令行工具，适合脚本化操作，同时有图形界面（如 Cutter）。

• 轻量高效：资源占用低，适合嵌入式设备分析。

radare2逆向分析工具的使用方法，感兴趣的可自行搜索或者问AI。

基本使用方法

• 打开一个可执行文件 

 r2 /root/test.exe

• 分析可执行文件

• 列出函数

• 反编译一个函数

Radare2 MCP Server简介

r2mcp是一个支持radare2的mcp服务器程序，用于与AI助手结合实现LLM逆向分析。

主要特点

• 目前仅支持stdin/stdout通信模型
• 提供基本的工具功能
• 无缝结合radare2进行逆向分析
• 将Radare2与AI助手直接集成
• 文档探索和检查

使用方法

r2mcp的安装使用文档参见Github上的ReadMe文档。

由于r2mcp仅支持MCP协议中stdio通信模型， 并不支持SSE或StreamableHTTP模型，并且我们希望所有的分析软件都安装在Linux系统中。因此需要额外的工具进行中继或代理。这里介绍两种代理工具 mcpo 和 mcp-proxy。

mcpo是一种OpenAPI-compatible模式下的mcp代理工具，通过HTTP协议通信。

mcp-proxy是一种将stdio通信模型转换为SSE或StreamableHTTP通信模型的工具。

通过这2个工具中其中一个，就可以实现在AI客户端远程使用Linux上的逆向分析软件radare2。

mcpo配置与使用

启动mcpo的命令如下

mcpo -- r2pm -r /usr/local/bin/r2mcp

其中mcpo是代理工具，r2pm是radare2的包管理工具，r2mcp是radare2的mcp服务器程序。命令执行成功后，会列出r2mcp server支持所有功能，以及mcpo代理监听的服务器地址和端口号，可以通过chrome等浏览器远程访问mcpo服务，如下图所示：

 

同时，可以通过浏览器访问执行r2mcp提供的功能，如openFile、listFunctions、decompileFunction等操作对可执行文件进行手动的分析调试。

上面虽然实现手动的使用radare2进行逆向分析，要实现与AI的结合，需要一个支持OpenAPI-compatible接口的AI助手客户端，这里使用opeb-webui + ollama来实现这一功能。

 

mcp-proxy配置与使用

mcp-proxy安装成功后，使用下面命令启动MCP代理

 mcp-proxy --host 0.0.0.0 --port 8088 -- r2pm -r /usr/local/bin/r2mcp

这次使用vscode + cline来作为AI客户端进行逆向分析

在cline中增加mcp配置如下

{ "mcpServers": {

    "radare2": {       

      "timeout": 60,

      "type": "stdio",

      "command": "mcp-proxy",

      "args": [

        "http://10.0.0.100:8088/sse"

      ] }

}

运行效果如下

 

r2ghidra配置与使用

由于radare2自动的反编译工具pdc不是很好，这里增加使用ghidra反编译器pdg来进行逆向分析，r2ghidra的安装也很简单，按照使用说明介绍安装即可

安装完成后，使用pdc与pdg的反编译对比

 pdc反编译

 pdg反编译

使用pdg反编译的函数更接近C语言风格，方便分析查看。 

当使用r2mcp进行反编译时，发现并没有pdg命令，原因是r2mcp默认没有加载r2ghidra插件，需要修改r2mcp代码加载该插件

static bool load_plugins(void) {if (!r_core) {R_LOG_ERROR ("Load core_ghidra.so failed, r_core == NULL.");return false;}// 设置调试模式以查看加载错误(当cfg.debug==true时会导致反编译结果错误)// 输出警告：When cfg.debug is set, I refuse to create a fake stack// r_config_set(r_core->config, "cfg.debug", "true");// 指定插件路径（替换为实际路径）const char *plugin_path = "/root/.local/share/radare2/plugins/core_ghidra.so";// 加载 core_ghidra.so 插件int ret = r_lib_open(r_core->lib, plugin_path);if( ret == -1 ) {R_LOG_ERROR ("Load core_ghidra.so failed.");return false;}R_LOG_INFO ("Load core_ghidra.so OK!");return true;
}static void r2_settings(RCore *core) {r_config_lock (core->config, false);r_config_set_i (core->config, "scr.color", 0);r_config_set_b (core->config, "scr.utf8", false);r_config_set_b (core->config, "scr.interactive", false);r_config_set_b (core->config, "emu.str", true);r_config_set_b (core->config, "asm.bytes", false);r_config_set_b (core->config, "anal.strings", true);r_config_set_b (core->config, "asm.lines", false);r_config_set_b (core->config, "anal.hasnext", true); // TODO: optionalr_config_set_b (core->config, "asm.lines.fcn", false);r_config_set_b (core->config, "asm.cmt.right", false);r_config_set_b (core->config, "scr.html", false);r_config_set_b (core->config, "scr.prompt", false);r_config_set_b (core->config, "scr.echo", false);r_config_set_b (core->config, "scr.flush", true);r_config_set_b (core->config, "scr.null", false);r_config_set_b (core->config, "scr.pipecolor", false);r_config_set_b (core->config, "scr.utf8", false);r_config_set_i (core->config, "scr.limit", 16768);r_config_set_i (core->config, "bin.baddr", 0x140000000);r_config_set_b (core->config, "r2ghidra.casts", false);       // 启用类型转换r_config_set_b (core->config, "r2ghidra.cmt.cpp", true);     // 使用 C++ 风格注释r_config_set_i (core->config, "r2ghidra.cmt.indent", 4);r_config_set_i (core->config, "r2ghidra.indent", 4);         // 设置缩进为 4 个空格r_config_set_i (core->config, "r2ghidra.linelen", 120);r_config_set_i (core->config, "r2ghidra.maximplref", 2);r_config_set_i (core->config, "r2ghidra.roprop", 0);r_config_set_i (core->config, "r2ghidra.timeout", 0);r_config_set_b (core->config, "r2ghidra.vars", false);r_config_set_b (core->config, "r2ghidra.rawptr", true);r_config_set_b (core->config, "r2ghidra.verbose", false);     // 启用详细警告r_config_set (core->config, "r2ghidra.sleighhome", "/root/.local/share/radare2/plugins/r2ghidra_sleigh"); // 设置 Sleigh 文件路径r_config_set (core->config, "r2ghidra.lang", ""); // 设置处理器语言
}

可以通过在浏览器中访问上面mcpo提供的web服务，手动执行查看是否r2ghidra插件安装成功

 

当返回结果中存在pdg时，说明r2ghidra反编译插件加载成功。这里的runCommand命令在r2mcp源码中已经存在，只是被宏注释掉了，删除宏注释重新编译r2mcp即可。 

最终分析的结果如下，相对接近真实代码逻辑。

这里使用的LLM模型为本地部署的ollama + 千问的大模型，如果使用全量的大模型，分析效果更佳。