二进制差分与跨版本符号迁移Skill:让旧版符号一键“搬”到新版本
- 一句话定位:当你有旧版本的符号/逆向结果,需要快速迁移到新版本时,用 LLM 做结构化差异比对,批量恢复函数名、虚表偏移、全局变量与结构体成员。
- 核心机制:固定 Prompt 模板 + LLM 逐函数比对 + 程序化解析 YAML + 批量应用到新版 IDB,LLM 只负责“看两段代码找对应关系”这一步。
- 成本极低:200 个函数约 1 元,单函数约 10 秒,远低于“完全交给 Agent”的 50–100 元方案。
- 输出可控:结果固定为 5 类符号(虚函数调用、直接调用、函数指针、全局变量、结构体偏移),可直接脚本化落库与重命名。
- 适用前提:需要有旧版符号(PDB 或已命名 IDB)、新版二进制,以及 IDA Pro + Python + 一个 LLM API。
1. 该技能叫什么?如何下载安装 AI 技能提升开发效率?
技能中文名:二进制差分与跨版本符号迁移Skill 技能英文名:binary-diff 技能ID:2123823182920724482
它解决的是一个逆向与安全分析中非常高频的“重复劳动”问题:同一个程序出了新版本,符号全丢了,你不想从零再逆一遍。典型情况包括:内核/驱动新版本 PDB 被下架、软件更新后函数地址全变、保护机制升级后需要重新定位同一批函数。传统做法要么是人工开两个 IDA 窗口肉眼比对(数小时起步),要么是依赖 BinDiff/Diaphora 这类结构匹配工具(结构变化大时容易失效)。本技能把“比对”这一环节交给 LLM,用固定模板喂入两段反汇编与伪代码,产出结构化的 YAML 符号映射表,再程序化批量写回新版 IDB。
“一键安装”AI 技能的思路:把技能理解为一份可被 AI 客户端/Agent 直接加载的能力包(包含触发条件、Prompt 模板、工作流与输出规范),安装即“接入路由 + 具备依赖环境”。
安装与启用步骤:
- 确认安装前提:一个支持 Skill 的 AI 客户端或 Agent 环境(具体入口与命令以官方说明为准);IDA Pro(商业软件,需自行授权,可通过
ida-reverse/技能管理);Python 3 环境;PyYAML(pip install pyyaml);一个可用的 LLM API endpoint 与 API Key。 - 检索并安装技能:在技能市场/技能管理中,按技能ID
2123823182920724482或英文名binary-diff检索,点击安装或添加到当前工作区(具体按钮与命令以官方说明为准)。 - 配置依赖:安装 Python 解析依赖,写入 LLM API Key 与模型偏好(默认 DeepSeek,遇到 context 超限或结果不准时升级到 GPT-4o / Claude)。
- 验证是否生效:在会话中说出触发关键词,例如“符号迁移”“跨版本对比”“PDB 缺失怎么推导新地址”“bindiff”,观察是否被路由到本技能;也可以让它输出标准的比对 Prompt 模板或 5 类 YAML 字段说明,能正确输出即视为生效。
- 准备数据再开工:把旧版(有符号)与新版(无符号)二进制分别加载进 IDA,确认存在可靠锚点(导出函数、字符串引用等),再进入正式流程。
2. 该技能的主要功能和特点
- 跨版本符号迁移:把旧版已命名的函数,批量映射到新版对应的无符号
sub_xxx上,一次比对覆盖一个函数内的多处引用。 - 五类符号结构化输出:
found_vcall(虚函数调用,带vfunc_offset)、found_call(直接调用)、found_funcptr(函数指针)、found_gv(全局变量)、found_struct_offset(结构体偏移,含size与成员名),输出为 YAML,机器可解析。 - 固定模板、可程序化填充:Prompt 是固定模板,变量只有 5 个(参考反汇编、参考伪代码、待逆向反汇编、待逆向伪代码、待定位符号名列表),便于批量循环与并发。
- 成本与速度优势明显:200 个函数约 1 元、单函数约 10 秒;对比人工数小时、Agent 方案 50–100 元。
- 支持迭代式扩散:第一轮迁移完成的函数自动成为新锚点,继续向内层调用扩散,逐步覆盖全部目标函数。
- 模型按需升级策略:中等函数(<200 行)用 DeepSeek,超大函数(>500 行)切 GPT-4o 或 Claude,兼顾成本与准确率。
- 与传统工具分工明确:从零逆向交给
ida-reverse/或radare2/,两个完全不同的二进制对比交给 BinDiff/Diaphora,本技能专攻“有旧版结果”的迁移场景。 - 工程化细节到位:建议 10–20 并发、结果缓存、单函数单次比对避免 context 爆炸,并明确要求关键符号人工抽检。
3. 如何使用该技能?
Step 1|准备数据与锚点 把旧版(有 PDB/符号)和新版(无符号)分别载入 IDA。选择可靠性最高的锚点:导出函数 > 字符串引用 > 常量/魔数 > 代码模式。锚点选错,后续全部白费。
Step 2|成对导出 从两个版本分别导出同一锚点函数的反汇编与伪代码:旧版带符号名,新版不带。核心是“同一个函数,两份代码”。
Step 3|填充 Prompt 模板 技能内置标准比对模板,你只需替换变量。简化示意:
**参考用反汇编**:{disasm_for_reference}
**参考用伪代码**:{procedure_for_reference}
**待逆向的反汇编**:{disasm_code}
**待逆向的伪代码**:{procedure}
需要收集待逆向函数中对 {symbol_name_list} 的所有引用,以 YAML 输出。
Step 4|调用 LLM 并解析 YAML 一次只比对 1 个函数。返回结果形如:
found_call:
- insn_va: '0x180888800'
insn_disasm: call sub_180999900
func_name: CLoopMode_RegisterEventMapInternal
found_vcall:
- insn_va: '0x180777700'
insn_disasm: call [rax+68h]
vfunc_offset: '0x68'
func_name: ILoopMode_OnLoopActivate
若没找到任何内容,模型应返回空 YAML,不输出多余文字。
Step 5|程序化应用结果
按类型执行动作:found_call → 重命名调用目标;found_vcall → 在指令地址写注释 vcall: {func_name} @ +{offset};found_funcptr → 重命名指针目标;found_gv → 重命名全局变量;found_struct_offset → 写注释 {struct_name}.{member_name}。可用 idapro_rename 或 IDAPython 脚本批量执行。
Step 6|迭代扩散 把第一轮迁移成功的函数作为新锚点,进入其内部继续比对调用,重复直到覆盖全部目标函数。建议开启缓存,避免重复消耗 token。
输入输出小例:旧版 PsSetCreateProcessNotifyRoutine 中调用的是有符号的 PspSetCreateProcessNotifyRoutine;新版同一位置是 call sub_140822108。模型根据上下文比对后直接给出对应关系,你批量写回即可。
4. 同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| 本技能(binary-diff) | 有旧版符号前提下的跨版本符号迁移 | LLM 逐函数结构化比对,输出 YAML 并批量回写 IDB | 需 IDA Pro + Python + LLM API Key,需按官方说明安装技能 | 内核缺 PDB、程序更新后批量迁移函数名、保护机制升级后重新定位偏移 | 优势:成本约 1 元/200 函数、速度快、可程序化;不足:依赖可靠锚点,结果需人工抽检 |
| 人工双开 IDA 比对 | 传统手工逆向 | 分析师肉眼比对反汇编与伪代码 | 零额外成本,但需资深人力 | 函数量少、关键函数精查 | 优势:准确率高、理解深入;不足:数小时起步,规模化几乎不可行 |
| BinDiff / Diaphora | 通用二进制差分工具 | 基于图结构、哈希、特征做函数匹配 | 插件安装简单,通常免费 | 两个二进制之间的整体相似度匹配 | 优势:快、免费、可批量;不足:编译优化或结构变化大时匹配率下降,缺少语义级判断 |
| 通用 Agent(如直接对话式编程助手) | 全流程交给大模型代理 | 自行读代码、推理、给结论 | 门槛低,但上下文消耗大 | 小规模、探索性分析 | 优势:省心、无需写脚本;不足:200 函数成本 50–100 元且慢,不可控因素多 |
5. 该技能的典型应用场景与实际体验情况
场景一:内核研究者补 PDB 缺失漏洞
已有 ntoskrnl.exe 旧版本 + 完整 PDB,目标新版本 PDB 被下架,需要定位 PspSetCreateProcessNotifyRoutine 的新地址。做法是找两版都存在的导出函数 PsSetCreateProcessNotifyRoutine 作为锚点,比对内部调用。体验上,这类“锚点清晰、调用关系简单”的场景几乎是秒级出结果,一次比对就能锁定候选地址,随后人工验证确认即可。
场景二:安全分析师迁移样本逆向成果
旧版 target.exe 已命名 200+ 函数,新版本符号全丢。做法是导出旧版所有已命名函数,在新版通过导出函数/字符串找锚点,批量并发调用模型比对。体验上,脚本化之后主体时间花在“准备数据”而不是“比对”,成本约 1 元量级;需要注意把超大函数单独走 GPT-4o/Claude,否则可能出现上下文截断。
场景三:应用更新后快速定位新偏移
保护机制更新,旧版有完整逆向结果,新版只想快速找回同一批函数的位置。这时 found_vcall 的偏移字段非常有用——虚表偏移通常比函数体更稳定,写回注释后可以迅速重建虚表视图。体验上要把“虚函数指针必须放在 found_vcall、不要混入结构体偏移”这条规则讲清楚,否则早期容易产生脏数据。
实际体验总结:上手难度中等偏低——不需要写复杂算法,但需要基本的 IDA 操作与脚本能力;效果高度依赖锚点质量与函数规模;最容易踩的坑是“把整个二进制丢给模型”“锚点本身对错”“不做抽检”。
6. 该技能能为用户带来的价值
- 效率提升:单函数约 10 秒,200 个函数的迁移从“数小时”压缩到“分钟级批量跑完”,人力从重复比对中解放出来。
- 成本下降:200 个函数约 1 元,相比完全交给 Agent 的 50–100 元,成本下降一到两个数量级。
- 门槛降低:不需要自己设计匹配算法或写图同构逻辑,只需准备数据、套模板、解析 YAML,中级分析师即可独立完成跨版本迁移。
- 资产可复用:过去积累的符号库、命名规范、结构体定义不再随版本发布而“清零”,长期形成可滚动的逆向知识资产。
- 结果可工程化:YAML 是确定格式,可入库、可 diff、可 CI 化,团队协作时能复用同一份映射表,减少各自为战。
- 风险可控:通过锚点策略、抽检验证、缓存与并发控制,把“模型不确定性”收敛在可管理的范围内。
7. 常见问题 FAQ
Q1:这个技能怎么安装?需要准备什么?
在支持 Skill 的客户端中按技能ID 2123823182920724482 或英文名 binary-diff 检索安装(具体入口以官方说明为准),然后准备 IDA Pro、Python + PyYAML、以及一个 LLM API Key。装好后用“符号迁移”“跨版本”“PDB 缺失”等关键词测试是否被正确触发。
Q2:使用它需要付费吗? 技能本身的获取方式与计费以官方说明为准;实际运行中会产生 LLM API 调用费用,按详情给出的量级参考:200 个函数约 1 元,属于极低成本方案。
Q3:它和 BinDiff / Diaphora 该怎么选? 如果你手里已经有旧版的逆向结果(符号、命名、注释),只是想搬到新版本,用本技能更合适;如果你要对两个完全不同的二进制做整体相似度匹配、且没有旧版符号基础,选 BinDiff / Diaphora。两者也可以组合:先用传统工具做粗筛,再用本技能做语义级精修。
Q4:LLM 比对的结果准不准? 详情明确说明“LLM 不是 100% 准确”。工程上的做法是:锚点必须可靠、一次只比对一个函数、关键符号人工抽检、结果缓存可追溯。结构简单、锚点清晰的函数准确率很高;超大函数建议改用大上下文模型或拆分处理。
Q5:适合谁用?有没有使用边界? 适合内核/驱动研究者、恶意样本分析师、软件安全工程师,以及任何“有旧版符号 + 新版无符号”的团队。使用时应确保分析对象为你自有或已获授权的软件,遵守相关法律法规与授权范围;本技能的价值在于减少重复劳动,而不是绕过任何合法授权。