101 lines
3.9 KiB
Python
101 lines
3.9 KiB
Python
# -*- coding: UTF-8 -*-
|
||
import sys
|
||
from matplotlib import pyplot as plt
|
||
import networkx as nx
|
||
import pickle
|
||
# sys.path.insert(0, '/usr/local/lib/python2.7/dist-packages/')
|
||
# sys.path.insert(1, 'C:/Python27/Lib/site-packages')
|
||
|
||
|
||
def print_obj(obj):
|
||
# "打印对象的所有属性"
|
||
print(obj.__dict__)
|
||
|
||
|
||
# sub_10F20 308 反编译代码有字符串，但是这个特征提取里没有字符串 constant，可能是间接引用的，不识别。看了下所有函数的特征，几乎都没有字符串常量，可能都是写在别的地方然后引用的。
|
||
# sub_166C4 393
|
||
if __name__ == '__main__':
|
||
testpath = "D:\\hkn\\infected\\datasets\\virusshare_infected11_cfg\\VirusShare_5c088a2a6e0391b7c6ab22e4648eab3a.ida"
|
||
fr = open(testpath, 'r')
|
||
data = pickle.load(fr) #一个二进制文件的acfgs
|
||
fr.close()
|
||
|
||
# print(type(data1))
|
||
# print_obj(data1)
|
||
# print data1.raw_graph_list[393]
|
||
# print_obj(data1.raw_graph_list[393])
|
||
# nx.draw(data1.raw_graph_list[393].g,with_labels=True)
|
||
# plt.show()
|
||
|
||
print("一个二进制文件的所有函数的原始特征，list。")
|
||
print_obj(data) # acfg list
|
||
print("\n")
|
||
|
||
print("一个函数的原始特征，由old_g（discovRe方法的ACFG），g（Genius方法的ACFG），fun_feature（表示函数级别的特征的向量）三部分构成")
|
||
print_obj(data.raw_graph_list[0]) # 一个函数的acfg
|
||
print("其中fun_features = 函数级别特征： # 1 function calls # 2 logic instructions # 3 TransferIns # 4 LocalVariables # 5 BB basicblocks# 6 Edges # 7 IncommingCalls# 8 Intrs# 9 between # 10 strings # 11 consts")
|
||
# feature = data.raw_graph_list[0].fun_features
|
||
print("old_g:{}".format(data.raw_graph_list[0].old_g))
|
||
print("g:{}".format(data.raw_graph_list[0].g))
|
||
|
||
|
||
# G = data1.raw_graph_list[393].old_g
|
||
# print G.node[0] # G.node[i]是dict
|
||
# for key, value in G.node[0].items():
|
||
# print('{key}:{value}'.format(key=key, value=value))
|
||
|
||
# 基本块的特征 #1'consts' 数字常量 #2'strings'字符串常量 #3'offs' offspring 字节点数量？ #4'numAs' 算数指令如INC #5'numCalls' 调用指令 #6'numIns' 指令数量 #7'numLIs' LogicInstructions 如AND #8'numTIs' 转移指令数量
|
||
G = data.raw_graph_list[0].g
|
||
print("# 基本块的特征 #1'consts' 数字常量 #2'strings'字符串常量 #3'offs' offspring 后代数量 #4'numAs' 算数指令如INC #5'numCalls' 调用指令 #6'numIns' 指令数量 #7'numLIs' LogicInstructions 逻辑如AND #8'numTIs' 转移指令数量")
|
||
# print(G.node[0])
|
||
# print("\n")
|
||
# 函数内所有基本快的特征
|
||
for key, value in G.node.items():
|
||
print('{}:{}'.format(key, value))
|
||
|
||
|
||
|
||
#oldg就是读取IDA的CFG，所以数量、方向等都一样；g根据old_g生成，也一样
|
||
#old g
|
||
G = data.raw_graph_list[0].old_g
|
||
nx.draw(G, with_labels=True)
|
||
#plt.title('old_g')
|
||
plt.show()
|
||
|
||
|
||
# g
|
||
G = data.raw_graph_list[0].g
|
||
nx.draw(G, with_labels=True)
|
||
#plt.title('Genius_g')
|
||
plt.show()
|
||
|
||
# draw graph with labels
|
||
pos = nx.spring_layout(G)
|
||
nx.draw(G, pos)
|
||
node_labels = nx.get_node_attributes(G, 'v') #networkx的node，由属性。g的属性为'v'，意为原始特征的vector。old_g的属性见cfg_constructor.py
|
||
nx.draw_networkx_labels(G, pos, labels=node_labels)
|
||
#plt.title('Genius_g with raw feature vector')
|
||
plt.show()
|
||
|
||
|
||
# 1 function calls（本函数的函数调用指令（call jal jalr）数量）。。注意arm中没有这些指令
|
||
|
||
# 2 logic instructions ，本函数的逻辑运算指令数量。如and、or的数量
|
||
|
||
# 3 TransferIns 转移指令（如jmp arm中为mov）数量
|
||
|
||
# 4 LocalVariables 局部变量数量
|
||
|
||
# 5 BB basicblocks数量
|
||
|
||
# 6 Edges icfg edges数量。icfg是另一篇论文dicovRe中的特征，这里暂时不管
|
||
|
||
# 7 IncommingCalls，调用本函数的指令数量
|
||
|
||
# 8 Intrs 指令数量
|
||
|
||
# 9 between 结构特征中的betweeness。
|
||
|
||
# 10 strings 字符串
|
||
|
||
# 11 consts 数字常量 |