[原创]VMLifter: 一个基于指令执行轨迹的语义提升工具-Android安全-看雪安全社区

[原创]VMLifter: 一个基于指令执行轨迹的语义提升工具

发表于: 2026-3-1 21:00 4703

[原创]VMLifter: 一个基于指令执行轨迹的语义提升工具

gal2xy

2026-3-1 21:00

4703

# 一、前言

之前有利用过Unidbg trace分析受虚拟机保护的App，整体下来给我的感觉就是从茫茫无际的汇编代码中找到与真实代码逻辑有关的运算指令，然后基于此不停向上追溯，才能艰辛的还原出一个算法来。更何况需要还原的算法还很多。

但这种重复性工作，AI是很擅长的，因此尝试过将原有指令轨迹（即使进行过污点分析，剩余的指令仍然很多）发送给大模型进行分析，然而文件过于庞大，要么网页版不支持大文件，要么分析时间过长，除此之外，分析结果不佳，token消耗量过大。

因此，我考虑到ARM架构的load -store的内存访问架构，可以借助这一特征，对指令轨迹进行带值依赖的语义提升，将load-store的指令轨迹切片转换成表达式，从而在保存原有语义不变的情况下，将原有指令轨迹的行数压缩至几百行的表达式，最后再借助大模型还原算法。

# 二、VMLifter

**VMLifter** 是一个基于指令执行轨迹的语义提升工具，专注于值依赖驱动的程序语义重建。该工具利用 ARM / ARM64 的 Load–Store 架构特性，对轨迹进行以内存访问为边界的切片分析。每个切片随后被提升为表达式，并在值依赖分析的基础上进行表达式压缩，最终生成同时包含符号信息与具体数值的表达式。VMLifter 特别适合分析基于虚拟化的混淆（例如 VMP）。对于**VMLifter**生成的表达式结果，可以配合大模型进行分析。

项目地址：06eK9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6Y4j5h3H3J5P5s2W2Q4x3V1k6h3e0f1I4A6k6Y4c8W2M7R3`.`.

## 2.1 项目架构

在`sliceTransform.py`中，我仅实现了部分指令的语义提升，对于未实现的指令语义，可参考已有的指令语义提升代码。

## 2.2 load-store代码切片

在ARM/ARM64架构中，内存的访问只能通过Load、Store指令进行显示访问。因此，一个内存数据要想参与运算，必然通过Load指令加载至寄存器，然后所有的运算都发生在寄存器中，最后通过Store指令保存至内存中。

对于受虚拟机保护的程序，我们可以将程序的内存环境分为：

- 真实环境：真实环境中的数据只能在虚拟环境中进行运算操作，因此需要通过load指令先将真实环境中的数据加载到虚拟环境中。
- 虚拟环境：在该环境中的操作不会影响到真实环境中的内存数据，只有通过store指令写入真实环境才能影响到。

如此一来，那么任何数据要想进行加密等操作时，必然先要将待加密的数据加载到虚拟环境中，然后再在虚拟环境中进行运算操作，最后将加密数据存储到真实环境中。对于未存储到真实环境中的数据，即使它在虚拟环境中进行了一系列运算，也无法改变真实环境的数据（可能改变代码控制流）。因此，我们只需要关注前者，而后者可以忽略。

真实环境中的数据的生命周期如下图所示

![](upload/attach/202603/985561_Y6PSVAXN5PVBF6B.webp)

因此根据以上一套理论，我们对unidbg trace得到的汇编指令进行切片，每个代码切片都对应一个或多个真实环境中的数据进行运算操作。切片算法如下：

1. 寻找load指令，判断load指令中内存操作数的内存基址是否是虚拟栈基址。如果内存基址不是虚拟栈基址，跳转到步骤2，否则重复步骤1。
2. 寻找store指令，判断store指令中内存操作数的内存基址是否是虚拟栈基址。如果内存基址不是虚拟栈基址，意味着成功找到一个代码切片，将切片记录下来，回到步骤1，否则重复步骤2。

## 2.3 切片的表达式转换

根据真实环境中的数据的生命周期示意图，我们可以将代码切片转换成运算表达式，其中操作数来自真实环境中，运算表达式结果存储回真实环境中（省略虚拟环境中的间接指令，例如store、load指令）。

对于切片表达式转换，我们需要先对切片中的每条汇编指令进行表达式转换，然后再对最后一条表达式（根据切片算法可知必然是store指令）进行回溯，优化掉中间变量，使表达式的左右两端都只包含真实环境中的内存操作数变量。以下是一个切片表达式转换示例：

> 在该例子中，虚拟栈基址为0x127090c0，同时为了方便跟踪，内存地址以表达式形式展示，不计算最终结果。

```assembly
// a fragment
0x121cc9dc: "ldr w23, [x23]" x23=0xe4ffdc84 => w23=0x2f                   // from memory
    w23_1 = mem[0xe4ffdc84]

0x121cc9e0: "str w23, [x0, x26]" w23=0x2f x0=0x127090c0 x26=0x74 => w23=0x2f
    vmstack[0x127090c0 + 0x74] = w23_1

0x121cc874: "ldp w7, w23, [x0, #0x70]" w7=0x67 w23=0x2e60 x0=0x127090c0 => w7=0x334b w23=0x2f
    w7_1 = vmstack[0x127090c0 + 0x70]
    w23_2 = vmstack[0x127090c0 + 0x74]

0x121cc878: "mul w7, w7, w23" w7=0x334b w23=0x2f => w7=0x96ac5            //Arithmetic operations
    w7_2 = w7_1 * w23_2

0x121cc87c: "str w7, [x0, #0x78]" w7=0x96ac5 x0=0x127090c0 => w7=0x96ac5
    vmstack[0x127090c0 + 0x78] = w7_2

0x121cc508: "ldp x7, x23, [x0, #0x80]" x7=0x71 x23=0x1564 x0=0x127090c0 => x7=0x1 x23=0x12709000
    x7_1 = vmstack[0x127090c0 + 0x80]
    x23_1 = vmstack[0x127090c0+  0x84]

0x121cc50c: "add x7, x23, x7" x23=0x12709000 x7=0x1 => x7=0x12709001      // Arithmetic operations
    x7_2 = x23_1 + x7_1

0x121cc510: "str x7, [x0, #0x90]" x7=0x12709001 x0=0x127090c0 => x7=0x12709001
    vmstack[0x127090c0 + 0x90] = x7_2

0x121cc6e8: "ldr x7, [x0, #0x90]" x0=0x127090c0 => x7=0x12709001
    x7_3 = vmstack[0x127090c0 + 0x90]

0x121cc6ec: "ldrb w7, [x7]" x7=0x12709001 => w7=0x61                      // from memory
    w7_3 = mem[0x12709001]

0x121cc6f0: "strb w7, [x0, #0x98]" w7=0x61 x0=0x127090c0 => w7=0x61
    vmstack[0x127090c0 + 0x98] = w7_3

0x121cc81c: "ldrb w26, [x0, x26]" x0=0x127090c0 x26=0x98 => w26=0x61
    w26_1 = vmstack[0x127090c0 + 0x98]

0x121cc820: "str w26, [x0, x23]" w26=0x61 x0=0x127090c0 x23=0x9c => w26=0x61
    vmstack[0x127090c0 + 0x9c] = w26_1

0x121cc98c: "ldr w26, [x0, x26]" x0=0x127090c0 x26=0x78 => w26=0x96ac5
    w26_2 = vmstack[0x127090c0 + 0x78]

0x121cc990: "ldr w27, [x0, x27]" x0=0x127090c0 x27=0x9c => w27=0x61
    w27_1 = vmstack[0x127090c0 + 0x9c]

0x121cc994: "add w26, w27, w26" w27=0x61 w26=0x96ac5 => w26=0x96b26       // Arithmetic operations  
    w26_3 = w27_1 + w26_2

0x121cc99c: "str w26, [x0, x23]" w26=0x96b26 x0=0x127090c0 x23=0xa0 => w26=0x96b26
    vmstack[0x127090c0 + 0xa0] = w26_3

0x121cc638: "ldr w23, [x0, x23]" x0=0x127090c0 x23=0xa0 => w23=0x96b26
    w23_3 = vmstack[0x127090c0 + 0xa0]

0x121cc640: "str w23, [x26]" w23=0x96b26 x26=0xe4ffdc74 => w23=0x96b26    // into memory
    mem[0xe4ffdc74] = w23_3                 
```

然后对最后一条指令的表达式进行回溯，得到只包含真实内存操作数的形式

```
mem[0xe4ffdc74] = w23_3
                = vmstack[0x127090c0 + 0xa0]
                = w26_3
                = w27_1 + w26_2
                = vmstack[0x127090c0 + 0x9c] + vmstack[0x127090c0 + 0x78]
                = w26_1 + w7_2
                = vmstack[0x127090c0 + 0x98] + w7_1 * w23_2
                = w7_3 + vmstack[0x127090c0 + 0x70] * vmstack[0x127090c0 + 0x74]
                = mem[0x12709001] + 0x334b * w23_1		// can't find def of vmstack[0x127090c0 + 0x70], use value
                = mem[0x12709001] + 0x334b * mem[0xe4ffdc84]
```

最后再将值带入表达式

```
mem[0xe4ffdc74] = mem[0x12709001] + 0x334b * mem[0xe4ffdc84]
                = 0x61 + 0x334b * 0x2f                                                                          // can't find def of mem[0xe4ffdc84], use value
                = 0x96b26     
```

# 三、案例

案例的指令轨迹见项目的`/example`目录下。

## sub_1cc3c0

该函数的手动分析结果如下：

```python
url = "/api/v4/pdp/hot_sales/get?apm_fs=false&apm_p=1.16&apm_pid=shopee%2F%40shopee-rn%2Fproduct-page%2FPRODUCT_PAGE&apm_ts=1734212512053&item_id=27004928820&limit=15&offset=0&shop_id=1205969633"
key1 = 0
const = 0x334b
mod = 0xffffffff + 1
for alp in url:
    key1 = (key1*const) % mod
    key1 = (key1 + ord(alp)) % mod
    # print(hex(key1), hex(ord(alp)))

print(hex(key1))
```

`sub_1cc3c0.txt`为unidbg trace得到的指令轨迹，`sub_1cc3c0_expr.txt`为经过VMLifter得到的表达式结果，部分结果展示如下：

```
mem[0xe4ffdc80]_1 = mem[0xe4ffdc70]_1 = 0x0 = 0x0
mem[0xe4ffdc84]_1 = mem[0xe4ffdc74]_1 = 0x0 = 0x0
mem[0xe4ffdc74]_2 = ((mem[0xe4ffdc7c]_1 * mem[0xe4ffdc84]_1) + mem[0x12709000]_0) = 0x334b * 0x0 + 0x2f = 0x2f
mem[0xe4ffdc70]_2 = (mem[0xe4ffdc80]_1 + 0x1) = 0x0 + 0x1 = 0x1
mem[0xe4ffdc80]_2 = mem[0xe4ffdc70]_2 = 0x1 = 0x1
mem[0xe4ffdc84]_2 = mem[0xe4ffdc74]_2 = 0x2f = 0x2f
mem[0xe4ffdc74]_3 = ((mem[0xe4ffdc7c]_1 * mem[0xe4ffdc84]_2) + mem[0x12709001]_0) = 0x334b * 0x2f + 0x61 = 0x96b26
mem[0xe4ffdc70]_3 = (mem[0xe4ffdc80]_2 + 0x1) = 0x1 + 0x1 = 0x2
mem[0xe4ffdc80]_3 = mem[0xe4ffdc70]_3 = 0x2 = 0x2
mem[0xe4ffdc84]_3 = mem[0xe4ffdc74]_3 = 0x96b26 = 0x96b26
mem[0xe4ffdc74]_4 = ((mem[0xe4ffdc7c]_1 * mem[0xe4ffdc84]_3) + mem[0x12709002]_0) = 0x334b * 0x96b26 + 0x70 = 0xe31af692
mem[0xe4ffdc70]_4 = (mem[0xe4ffdc80]_3 + 0x1) = 0x2 + 0x1 = 0x3
mem[0xe4ffdc80]_4 = mem[0xe4ffdc70]_4 = 0x3 = 0x3
mem[0xe4ffdc84]_4 = mem[0xe4ffdc74]_4 = 0xe31af692 = 0xe31af692
mem[0xe4ffdc74]_5 = ((mem[0xe4ffdc7c]_1 * mem[0xe4ffdc84]_4) + mem[0x12709003]_0) = 0x334b * 0xe31af692 + 0x69 = 0xe805532f
mem[0xe4ffdc70]_5 = (mem[0xe4ffdc80]_4 + 0x1) = 0x3 + 0x1 = 0x4
mem[0xe4ffdc80]_5 = mem[0xe4ffdc70]_5 = 0x4 = 0x4
mem[0xe4ffdc84]_5 = mem[0xe4ffdc74]_5 = 0xe805532f = 0xe805532f
mem[0xe4ffdc74]_6 = ((mem[0xe4ffdc7c]_1 * mem[0xe4ffdc84]_5) + mem[0x12709004]_0) = 0x334b * 0xe805532f + 0x2f = 0x921bbf4
```

将其投喂给AI，以下是与Gemini交互的内容：

````
用户提问：
我所上传的文件中的内容为某一函数的VMP指令轨迹语义提升后表达式，请根据这些表达式，识别出参数生成算法，并还原成python代码。对于输入参数，完整展示参数的所有数据，如果参数是可打印的字符串，则将其显示为字符串。

Gemini回答：
根据您提供的 VMP 指令轨迹提升后的表达式，该函数实现了一个基于 **线性同余或类似哈希迭代** 的参数生成算法。

### 1. 算法识别与分析

通过观察表达式的迭代模式 ：

* 
**初始状态**：`mem[0xe4ffdc84]_1` 为 `0x0`，乘数因子 `mem[0xe4ffdc7c]_1` 为 `0x334b` 。

* 
**迭代公式**：`new_value = (multiplier * old_value) + input_byte` 。

* 
**输入来源**：算法按顺序读取位于 `mem[0x12709000]` 开始的内存序列（即参数字节流） 。

* **迭代过程**：
1. 
`0x334b * 0x0 + 0x2f = 0x2f`

2. 
`0x334b * 0x2f + 0x61 = 0x96b26`

3. 
`0x334b * 0x96b26 + 0x70 = 0xe31af692` 
...以此类推。

这是一种典型的字符串/序列哈希处理逻辑，其中 `0x334b` (13131) 是常用的哈希乘数。

### 2. 参数数据还原

根据 `mem[0x127090xx]` 地址处的偏移量，提取出的原始输入参数（字节序列）如下 ：

| 地址偏移 | 十六进制值 | ASCII 字符 |
| --- | --- | --- |
| +0x00 | 0x2f | / |
| +0x01 | 0x61 | a |
| +0x02 | 0x70 | p |
| +0x03 | 0x69 | i |
| +0x04 | 0x2f | / |
| +0x05 | 0x76 | v |
| +0x06 | 0x34 | 4 |
| +0x07 | 0x2f | / |
| +0x08 | 0x70 | p |
| +0x09 | 0x64 | d |
| +0x0a | 0x70 | p |
| +0x0b | 0x2f | / |
| +0x0c | 0x68 | h |
| +0x0d | 0x6f | o |
| +0x0e | 0x74 | t |
| +0x0f | 0x5f | _ |
| +0x10 | 0x73 | s |
| +0x11 | 0x61 | a |
| +0x12 | 0x6c | l |
| +0x13 | 0x65 | e |
| +0x14 | 0x73 | s |
| +0x15 | 0x2f | / |
| +0x16 | 0x67 | g |
| +0x17 | 0x65 | e |
| +0x18 | 0x74 | t |
| +0x19 | 0x3f | ? |
| +0x1a | 0x61 | a |
| +0x1b | 0x70 | p |
| +0x1c | 0x6d | m |
| +0x1d | 0x5f | _ |
| +0x1e | 0x66 | f |
| +0x1f | 0x73 | s |
| +0x20 | 0x3d | = |
| +0x21 | 0x66 | f |
| +0x22 | 0x61 | a |
| +0x23 | 0x6c | l |
| +0x24 | 0x73 | s |
| +0x25 | 0x65 | e |
| +0x26 | 0x26 | & |
| +0x27 | 0x61 | a |
| +0x28 | 0x70 | p |
| +0x29 | 0x6d | m |
| +0x2a | 0x5f | _ |
| +0x2b | 0x70 | p |
| +0x2c | 0x3d | = |
| +0x2d | 0x31 | 1 |
| +0x2e | 0x2e | . |
| +0x2f | 0x31 | 1 |

**完整输入参数字符串：**

`/api/v4/pdp/hot_sales/get?apm_fs=false&apm_p=1.1`

### 3. Python 代码还原

```python
def vmp_parameter_algorithm(input_data):
    """
    还原后的参数生成/哈希算法
    :param input_data: 输入的字节列表或字符串
    :return: 最终生成的计算值 (32位无符号整数)
    """
    if isinstance(input_data, str):
        input_bytes = input_data.encode('ascii')
    else:
        input_bytes = input_data

multiplier = 0x334b  # 13131
    current_value = 0x0
    
    for byte in input_bytes:
        # 模拟表达式中的迭代过程: (multiplier * old_value) + current_byte
        # 并保持在 32 位无符号整数范围内
        current_value = (multiplier * current_value + byte) & 0xFFFFFFFF
        
    return current_value

# 输入数据还原
raw_params = "/api/v4/pdp/hot_sales/get?apm_fs=false&apm_p=1.1"
result = vmp_parameter_algorithm(raw_params)

print(f"输入参数字符串: {raw_params}")
print(f"最终生成结果: {hex(result)}")

```
````

从结果来看，算法成功还原了，但是对于我要求的完整展示参数数据，大模型并没有做到！如果想要得到更好的结果，可以优化提示词，或者增加示例分析。

值得一提的是，VMLifter将108912行数据压缩至756行，后者对AI来说是可以接受的输入量。

## sub_1de514

该函数是base64加密，但密码表是自定义密码表。

同样将VMLifter后的结果投喂给Gemini，交互过程如下：

````
用户提问：
我所上传的文件中的内容为某一函数的VMP指令轨迹语义提升后表达式，请利用值依赖分析，结合表达式中的运算关系和特殊值，猜测参数生成算法，并还原成python代码。

Gemini回答：
根据您提供的VMP指令轨迹语义提升表达式，这似乎是一个将特定内存数据（可能是查找表或原始序列）经过索引变换后，重新组合成新字符串（如Base64变体或自定义编码）的过程。

通过对表达式中值依赖关系和内存地址偏移的分析，以下是对该算法的推导与Python还原：

### 1. 核心逻辑分析

* **内存布局与自增步长**：
* 源数据（`mem[0x122eabxx]`）被提取并写入目标缓冲区（`mem[0x126e5140]`及后续）。

* 目标指针 `mem[0xe4fff1d8]` 每轮增加 **4**（`+1 +1 +1 +1`），对应每次写入 4 字节数据。

* 计数器 `mem[0xe4fff1e0]` 每轮增加 **3**（`0 -> 3 -> 6 -> 9 -> 0xc -> 0xf -> 0x12`），这符合典型的 **3字节转4字节** 编码特征（如Base64）。

* **提取的数据序列（十六进制）**：
通过提取表达式中赋值给 `mem[0x126e51xx]` 的值，可以得到以下原始字节流：
1. 
`42 56 46 32` ("BVF2")

2. 
`67 51 38 4E` ("gQ8N")

3. 
`71 34 2F 37` ("q4/7")

4. 
`63 42 73 69` ("cBsi")

5. 
`52 6D 66 6E` ("Rmfn")

6. 
`46 74 2F 61` ("Ft/a")

7. 
`6B 6D 2F 3D` ("km/=")

* **位运算特征**：
表达式中出现了 `((mem[0xe4fff56e]_0 & 0x3) << 0x4) = 0x30`。这是典型的位移操作，用于处理编码中的溢出位或填充位。

---

### 2. 算法猜测：自定义Base64/索引映射

轨迹显示程序正在从一个全局查找表中根据特定索引提取字符。最后出现的 `0x3d`（ASCII中的 `=`）强烈暗示这是一个类似 **Base64** 的编码过程，或者是通过一组混淆过的索引从映射表中重组字符串。

### 3. Python 代码还原

根据上述依赖关系，还原出的生成逻辑如下：

```python
def recover_algorithm():
    # 1. 提取表达式中映射出的原始十六进制值 (Source Values)
    # 这些值来源于 mem[0x122eabxx] 的映射
    raw_values = [
        0x42, 0x56, 0x46, 0x32,  # BVF2
        0x67, 0x51, 0x38, 0x4E,  # gQ8N
        0x71, 0x34, 0x2f, 0x37,  # q4/7
        0x63, 0x42, 0x73, 0x69,  # cBsi
        0x52, 0x6d, 0x66, 0x6e,  # Rmfn
        0x46, 0x74, 0x2f, 0x61,  # Ft/a
        0x6b, 0x6d, 0x2f, 0x3d   # km/=
    ]

# 2. 将十六进制转化为字符序列
    # 根据 mem[0x126e5140] 开始的连续写入逻辑
    reconstructed_str = "".join([chr(b) for b in raw_values])
    
    return reconstructed_str

# 模拟轨迹中的位运算处理 (示例)
def process_bits(input_val):
 # 对应轨迹中的 mem[0xe4fff1d4]_1= ((val & 0x3) << 0x4)
 return (input_val & 0x03) << 4

if __name__ == "__main__":
 result = recover_algorithm()
 print(f"还原的参数字符串: {result}")
 
 # 验证位运算逻辑
 # 假设输入是轨迹中隐含的某个中间值，结果应为 0x30
 example_val = 0x03 
 print(f"位运算验证 (0x03 & 0x3 << 4): {hex(process_bits(example_val))}")

```

### 4. 结论

该函数执行的是一种**基于查表的字符串重组算法**。它从内存地址 `0x122eabxx` 处根据某种步进逻辑（每组 3 字节输入产生 4 字节输出）提取字符，并存入目标缓冲区 `0x126e5140`。

**最终生成的参数片段为：**
`BVF2gQ8Nq4/7cBsiRmfnFt/akm/=`

您是否需要我进一步分析这些字符提取的具体索引计算公式（即 `0x122eabxx` 的偏移规律）？

用户提问：
密码表的范围是多少？

Gemini回答：
根据您提供的 VMP 指令轨迹提升表达式，密码表（即源数据所在的内存区域）的范围可以通过分析 `mem[0x122eabXX]` 的地址偏移来确定：

### 1. 内存地址范围分析

通过提取表达式中所有源内存地址，可以观察到其分布情况：

* 
**起始地址**：已知最小的偏移量为 `mem[0x122eab50]` 。

* 
**结束地址**：已知最大的偏移量为 `mem[0x122eab8e]` 。

* 
**总跨度**：该算法在执行过程中访问了从 `0x122eab50` 到 `0x122eab8e` 之间的内存空间 。

### 2. 地址分布细节

轨迹中具体涉及到的地址偏移如下表所示：

| 地址偏移 (0x122eabXX) | 对应数据 (Hex) | 引用位置 |
| --- | --- | --- |
| **0x50** | `0x73` ('s') | |
| **0x5b** | `0x46` ('F') | |
| **0x60** | `0x6b` ('k') | |
| **0x64** | `0x34` ('4') | |
| **0x68** | `0x42` ('B') | |
| **0x6b** | `0x4e` ('N') | |
| **0x6c** | `0x51` ('Q') | |
| **0x6d** | `0x63` ('c') | |
| **0x6f** | `0x52` ('R') | |
| **0x72** | `0x56` ('V') | |
| **0x74** | `0x38` ('8') | |
| **0x7b** | `0x61` ('a') | |
| **0x7d** | `0x66` ('f') | |
| **0x7e** | `0x67` ('g') | |
| **0x7f** | `0x69` ('i') | |
| **0x82** | `0x6d` ('m') | |
| **0x83** | `0x6e` ('n') | |
| **0x84** | `0x74` ('t') | |
| **0x85** | `0x71` ('q') | |
| **0x8b** | `0x32` ('2') | |
| **0x8c** | `0x2f` ('/') | |
| **0x8e** | `0x37` ('7') | |

### 3. 结论

在该片段中，密码表的有效访问范围至少为 **`0x122eab50` 至 `0x122eab8e**` 。这段空间包含了 Base64 变体编码所需的字符集（数字、大小写字母及特殊符号 `/`） 。

您是否需要我根据这些地址及其对应的值，完整还原出这张置换表的映射关系？
````

实际上base64的密码表确实是在`0x122eab50~0x122eab8e`处。

![](upload/attach/202603/985561_NQ7P7YYS858GR8S.webp)

VMLifter将14912行数据压缩至71行。

## sub_1d52d4

RC4加密，对应部分是：

```python
# PRGA 阶段生成密钥流
i = j = 0
rc4_cipher = []
for byte in plain:
    i = (i + 1) % 256
    j = (j + S[i]) % 256
    S[i], S[j] = S[j], S[i]
    t = (S[i] + S[j]) % 256
    key_i = S[t]
    # 异或操作加密/解密
    rc4_cipher.append(byte ^ key_i)
```

同样将VMLifter后的结果投喂给Gemini，交互过程如下：

Gemini回答：
基于您提供的VMP指令轨迹提升表达式，通过对内存地址、循环步进以及运算逻辑的**值依赖分析**，可以推断出这是一个典型的**流密码（Stream Cipher）**或**异或加解密**算法的变体。

以下是详细的分析与Python代码还原：

### 1. 核心逻辑分析

通过观察表达式的迭代过程，我们可以发现以下规律：

* **循环计数与边界**：
* 
`mem[0xe4ffdc3c]` 初始化为 `0xc`（12），并在每次迭代中减 1（`+ 0xffffffff`） 。

* 轨迹记录了 12 次迭代，当该值为 `0x0` 时，标志位 `mem[0x12716398]` 变为 `0x0` 停止循环 。

* **输入与输出数据**：
* 
**原始数据（Plaintext/Ciphertext）**：源地址从 `0xe4fff55c` 开始，逐字节递增 。

* 
**结果存储**：目标地址从 `0xe4ffddc4` 开始，逐字节递增存储计算结果 。

* **转换运算**：
* 每一轮的核心运算是：`结果 = 原始数据 ^ 密钥字节` 。

* 例如第一轮：`mem[0xe4ffddc4]_1 = mem[0xe4fff55c]_0 ^ mem[0xe4ffde40]_0 = 0x4d` 。

* **密钥流生成逻辑（类似 RC4 调度）**：
* 
`mem[0xe4ffdc70]`（索引 $i$）：每轮加 1 并对 `0x100` 取模（即 $i = (i + 1) \pmod{256}$） 。

* 
`mem[0xe4ffdc6c]`（索引 $j$）：依赖于前一轮的 $j$ 值加上一个内存数组（可能是 S 盒或 Key 序列）中的值，并对 `0x100` 取模 。

* 公式为：$j = (j + \text{mem}[\text{base} + i]) \pmod{256}$ 。

---

### 2. 参数还原与算法猜想

该算法高度疑似 **RC4 的一部分** 或其变体。在每一轮中，它提取一个字节进行异或。

| 元素 | 内存地址 (Base/Initial) | 初始值/步进 |
| --- | --- | --- |
| **待处理数据** | `0xe4fff55c` | 长度为 12 字节

|
| **索引 j** | `mem[0xe4ffdc6c]` | 累加求和

---

### 3. Python 代码还原

根据上述逻辑，还原出的生成算法如下：

```python
def vmp_param_algorithm(input_data, key_stream_base):
    """
    还原后的异或变换算法
    :param input_data: 原始字节列表 (从 0xe4fff55c 开始的数据)
    :param key_stream_base: 轨迹中对应的密钥流字节序列
    :return: 处理后的结果
    """
    output = []
    
    # 初始状态
    i = 0
    j = 0
    
    # 根据轨迹，循环执行 12 次 (0xc)
    for idx in range(len(input_data)):
        # 1. 更新索引 i (mem[0xe4ffdc38])
        i = (i + 1) % 256
        
        # 2. 更新索引 j (mem[0xe4ffdc34])
        # 注意：这里的 s_box_val 对应轨迹中 mem[0xe4ffddd9 + offset] 等地址的值
        s_box_val = key_stream_base[idx]
        j = (j + s_box_val) % 256
        
        # 3. 获取当前轮次的异或密钥字节 (轨迹中直接给出了 XOR 后的结果)
        # 轨迹显示结果是 input_data[idx] ^ 某个特定地址的值
        # 我们根据轨迹中提供的 0x4d, 0x6f, 0xd9... 推算
        xor_key = [
            0x4d ^ input_data[0], 0x6f ^ input_data[1], 0xd9 ^ input_data[2],
            0x42 ^ input_data[3], 0x70 ^ input_data[4], 0xd2 ^ input_data[5],
            0xce ^ input_data[6], 0x9a ^ input_data[7], 0x71 ^ input_data[8],
            0x4b ^ input_data[9], 0xf5 ^ input_data[10], 0xaf ^ input_data[11]
        ]
        
        result_byte = input_data[idx] ^ xor_key[idx]
        output.append(hex(result_byte))
        
    return output

# 模拟输入数据 (根据轨迹中的 XOR 结果逆向出的原始值或占位符)
# 轨迹示例：mem[0xe4fff55c]_0 ^ mem[0xe4ffde40]_0 = 0x4d
# 假设我们要还原轨迹中的结果序列
results = [0x4d, 0x6f, 0xd9, 0x42, 0x70, 0xd2, 0xce, 0x9a, 0x71, 0x4b, 0xf5, 0xaf]
print(f"还原的计算序列: {[hex(x) for x in results]}")

```

### 4. 总结

该指令轨迹展示了一个**基于索引变换的流式字节异或过程**。其特征在于使用两个计数器（`i` 和 `j`）来控制状态转换，并从内存池中提取密钥字节与原始数据进行位异或（XOR） 。

**您是否需要我进一步分析 `0xe4ffde40` 之后密钥池的生成逻辑，或者对特定的 S 盒变换进行逆向？**
````

可以看到，Gemini成功的猜测出了该算法是RC4！并且VMLifter将23720行数据压缩至163行。

# 四、总结

该工具原本是想进一步做语义提升的，比如识别数据、循环等，但考虑到用AI做这些工作的话更加快速且普适性强，所以就做到这一步就没进行后续的功能开发。而且该工具是想做成一个Timeless Debugger的小功能，尝试使用unidbg trace的结果做TD，发现unidbg trace没有记录系统函数调用（如memcpy等） ，造成数据缺漏，导致快照不完整。因此后续先打算基于QBDI搞一个自定义trace。最后总结一下该工具的优缺点：

- 优点：

1. 能够对trace得到的指令轨迹进行带有值依赖的语义提升。
  1. 能够减少大模型的token消耗量。

- 缺点：

1. 目前仅支持单个函数的指令轨迹的语义提升。因此，对于部分算法的密钥生成等，需要另寻目标函数重复相同操作。
  1. 该工具仅能追踪并还原出代码的数据流，无法追踪并还原出代码的控制流。

# 五、参考

<a href="elink@ac3K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6X3j5h3y4#2L8s2c8&6i4K6u0W2K9i4y4@1i4K6u0W2M7s2y4#2i4K6u0W2k6h3c8#2i4K6u0r3N6%4g2Q4x3V1k6H3j5i4m8W2M7Y4y4Q4x3V1k6$3L8h3S2#2L8Y4c8Q4x3X3c8U0j5%4x3I4z5q4)9J5k6i4m8V1k6R3`.`.">VMHunt: A Verifiable Approach to Partially-Virtualized Binary Code Simplification(pdf)</a>

<a href="elink@f29K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6K6K9r3g2D9L8q4)9J5k6s2y4@1L8%4u0E0i4K6u0W2L8%4u0Y4i4K6u0r3N6r3q4D9K9%4y4Q4x3V1k6p5d9f1#2h3b7e0t1H3x3e0S2Q4x3X3c8V1k6h3!0T1k6Y4g2K6j5$3q4@1K9h3!0F1i4K6u0V1M7$3q4D9N6$3q4F1i4K6u0V1j5X3q4J5k6r3W2F1i4K6u0V1M7r3!0@1k6i4c8Q4x3X3g2H3k6r3j5`.">Symbolic deobfuscation: from virtualized code back to the original(pdf)</a>

<a href="elink@483K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6%4N6%4M7J5i4K6u0W2j5%4y4Q4x3X3g2S2M7X3W2*7L8$3&6S2i4K6u0W2k6h3c8#2i4K6u0r3M7r3g2G2M7r3I4W2i4K6u0r3k6r3g2T1M7X3q4&6i4K6u0r3f1s2g2T1L8r3W2U0j5i4c8A6L8$3&6K6i4K6u0r3j5$3y4K6i4K6u0V1N6h3&6$3K9i4u0@1N6h3q4D9K9i4A6W2i4K6u0W2M7r3c8X3">Deobfuscation of Virtualization-Obfuscated Software(pdf)</a>

e18K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6v1L8$3&6S2N6r3S2S2L8W2y4S2L8s2N6S2L8W2)9J5c8W2c8J5K9i4c8G2L8R3`.`.

a09K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6*7K9r3E0D9x3o6t1J5z5q4)9J5c8Y4g2F1K9h3c8T1k6H3`.`.

传递专业知识、拓宽行业人脉——看雪讲师团队等你加入！！

#逆向分析 #脱壳反混淆 #工具脚本

收藏・30

点赞・29

打赏

赞赏记录

参与人

雪币

留言

时间

wx_晨梦

这个讨论对我很有帮助，谢谢！

2026-7-16 06:32

mb_hsscwjpz

期待更多优质内容的分享，论坛有你更精彩！

2026-7-8 20:56

Dy1an

非常支持你的观点！

2026-4-13 17:55

dsfa

期待更多优质内容的分享，论坛有你更精彩！

2026-4-6 10:53

签个到

为你点赞！

2026-3-9 09:08

Aar0n

非常支持你的观点！

2026-3-5 14:47

sinker_

这个讨论对我很有帮助，谢谢！

2026-3-4 16:49

墨穹呢

你的帖子非常有用，感谢分享！

2026-3-4 13:36

mb_iesvmzqc

期待更多优质内容的分享，论坛有你更精彩！

2026-3-4 10:11

wx_Q道长

感谢你的积极参与，期待更多精彩内容！

2026-3-3 10:53

Harpe

你的帖子非常有用，感谢分享！

2026-3-3 09:37

alienhe

为你点赞！

2026-3-2 18:50

Gift1a

这个讨论对我很有帮助，谢谢！

2026-3-2 16:40

梧桐生

谢谢你的细致分析，受益匪浅！

2026-3-2 14:31

寒雨hiyasame

谢谢你的细致分析，受益匪浅！

2026-3-2 11:25

AEVE

感谢你的积极参与，期待更多精彩内容！

2026-3-2 10:27

wx_funcrever

感谢你分享这么好的资源！

2026-3-2 10:23

王叔叔

非常支持你的观点！

2026-3-2 09:49

Yangser

感谢你分享这么好的资源！

2026-3-2 09:40

ngiokweng

你的帖子非常有用，感谢分享！

2026-3-2 09:39

iCookiie

为你点赞！

2026-3-2 09:27

我的小拇指啊

为你点赞！

2026-3-2 01:16

jpacg

感谢你分享这么好的资源！

2026-3-2 00:13

doduhuang

感谢你的积极参与，期待更多精彩内容！

2026-3-2 00:03

孤独的街

感谢你的贡献，论坛因你而更加精彩！

2026-3-1 23:27

拾海

感谢你分享这么好的资源！

2026-3-1 23:04

R0g

非常支持你的观点！

2026-3-1 22:53

安卓逆向test

你的分享对大家帮助很大，非常感谢！

2026-3-1 21:37

东方玻璃

感谢你的贡献，论坛因你而更加精彩！

2026-3-1 21:07

最新回复 (17)
东方玻璃雪币： 10618 活跃值： (11030) 能力值： ( LV12，RANK：260 ) 在线值：发帖 12 回帖 119 粉丝 517 关注私信	东方玻璃 5 2 楼牛逼 2026-3-1 21:07 0
mb_asiwnxyv 雪币： 6 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 100 粉丝 0 关注私信	mb_asiwnxyv 3 楼感谢分享 2026-3-1 22:06 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 4 楼秒吃 2026-3-1 22:45 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 5 楼大佬看下我的trace格式能不能满足你的需求，我文章附件里有一个，交流下ttd 2026-3-1 22:46 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 6 楼这个样本的话倒也不用这么麻烦，这种栈式的打印可读字符就秒了 2026-3-2 00:13 0
Yangser 雪币： 1953 活跃值： (4173) 能力值： ( LV4，RANK：50 ) 在线值：发帖 11 回帖 129 粉丝 217 关注私信	Yangser 7 楼 cy 2026-3-2 09:41 0
gal2xy 雪币： 2801 活跃值： (2564) 能力值： ( LV8，RANK：130 ) 在线值：发帖 8 回帖 7 粉丝 60 关注私信	gal2xy 2 8 楼温泉划水鱼大佬看下我的trace格式能不能满足你的需求，我文章附件里有一个，交流下ttd trace格式解析的工作其实与TTD功能分离开来。目前的打算是有 1、指令 use def集合 2、系统函数调用然后依据这两个建立快照。不同的trace格式就需要写对应的解析代码了，只要能够提取出这两点要求，后续的功能代码就是通用的 2026-3-2 09:58 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 9 楼姑且还是不要基于unidbg来做ttd，局限很大 2026-3-2 18:33 0
huangjw 雪币： 6679 活跃值： (11862) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 510 粉丝 2 关注私信	huangjw 10 楼有空得好好研究下。 2026-3-2 19:18 0
gal2xy 雪币： 2801 活跃值： (2564) 能力值： ( LV8，RANK：130 ) 在线值：发帖 8 回帖 7 粉丝 60 关注私信	gal2xy 2 11 楼温泉划水鱼姑且还是不要基于unidbg来做ttd，局限很大是的。一开始用unidbg搞的，然后才发现还原的数据有缺陷。 2026-3-2 19:29 0
mb_miaybhzp 雪币： 263 能力值： ( LV1，RANK：0 ) 在线值：发帖 1 回帖 11 粉丝 12 关注私信	mb_miaybhzp 12 楼太牛了 2026-3-4 08:46 0
k4y0z 雪币： 313 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 143 粉丝 1 关注私信	k4y0z 13 楼 666 2026-3-4 09:25 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 14 楼 gal2xy 是的。一开始用unidbg搞的，然后才发现还原的数据有缺陷。感觉有用的功能也就是正反污点和cfg，重放执行倒没什么必要 2026-3-4 12:42 0
@NoBody 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 5 回帖 41 粉丝 4 关注私信	@NoBody 15 楼你好，我自己做了一个二进制静态动态结合的创新的方案(我研究过学术界关于二进制跟踪的很多论文)，可以记录ios程序起始到结束堆内存读写和函数调用(普通的类似stalker的方法太慢了是无法实现的)，速度只减少50%。不过最近不做逆向了，800块出售逆行逆向源码。WX:jiqizaisikao 2026-3-4 15:53 0
劫局丶雪币： 458 活跃值： (2938) 能力值： ( LV3，RANK：25 ) 在线值：发帖 13 回帖 99 粉丝 12 关注私信	劫局丶 16 楼 @NoBody 你好，我自己做了一个二进制静态动态结合的创新的方案(我研究过学术界关于二进制跟踪的很多论文)，可以记录ios程序起始到结束堆内存读写和函数调用(普通的类似stalker的方法太慢了是无法实现的)，速度 ... 就你那点基于frida的破东西，也好意思卖5000到处坑人，无语。 2026-3-5 16:57 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 17 楼劫局丶就你那点基于frida的破东西，也好意思卖5000到处坑人，无语。友友细嗦 2026-3-5 17:07 0
海带雪币： 427 活跃值： (2110) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 83 粉丝 11 关注私信	海带 18 楼学习 2026-7-2 09:52 0
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复

gal2xy

发帖

回帖

130

RANK

关注

私信

他的文章

关于我们

联系我们

企业服务

看雪公众号

最新回复 (17)
东方玻璃雪币： 10618 活跃值： (11030) 能力值： ( LV12，RANK：260 ) 在线值：发帖 12 回帖 119 粉丝 517 关注私信	东方玻璃 5 2 楼牛逼 2026-3-1 21:07 0
mb_asiwnxyv 雪币： 6 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 100 粉丝 0 关注私信	mb_asiwnxyv 3 楼感谢分享 2026-3-1 22:06 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 4 楼秒吃 2026-3-1 22:45 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 5 楼大佬看下我的trace格式能不能满足你的需求，我文章附件里有一个，交流下ttd 2026-3-1 22:46 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 6 楼这个样本的话倒也不用这么麻烦，这种栈式的打印可读字符就秒了 2026-3-2 00:13 0
Yangser 雪币： 1953 活跃值： (4173) 能力值： ( LV4，RANK：50 ) 在线值：发帖 11 回帖 129 粉丝 217 关注私信	Yangser 7 楼 cy 2026-3-2 09:41 0
gal2xy 雪币： 2801 活跃值： (2564) 能力值： ( LV8，RANK：130 ) 在线值：发帖 8 回帖 7 粉丝 60 关注私信	gal2xy 2 8 楼温泉划水鱼大佬看下我的trace格式能不能满足你的需求，我文章附件里有一个，交流下ttd trace格式解析的工作其实与TTD功能分离开来。目前的打算是有 1、指令 use def集合 2、系统函数调用然后依据这两个建立快照。不同的trace格式就需要写对应的解析代码了，只要能够提取出这两点要求，后续的功能代码就是通用的 2026-3-2 09:58 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 9 楼姑且还是不要基于unidbg来做ttd，局限很大 2026-3-2 18:33 0
huangjw 雪币： 6679 活跃值： (11862) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 510 粉丝 2 关注私信	huangjw 10 楼有空得好好研究下。 2026-3-2 19:18 0
gal2xy 雪币： 2801 活跃值： (2564) 能力值： ( LV8，RANK：130 ) 在线值：发帖 8 回帖 7 粉丝 60 关注私信	gal2xy 2 11 楼温泉划水鱼姑且还是不要基于unidbg来做ttd，局限很大是的。一开始用unidbg搞的，然后才发现还原的数据有缺陷。 2026-3-2 19:29 0
mb_miaybhzp 雪币： 263 能力值： ( LV1，RANK：0 ) 在线值：发帖 1 回帖 11 粉丝 12 关注私信	mb_miaybhzp 12 楼太牛了 2026-3-4 08:46 0
k4y0z 雪币： 313 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 143 粉丝 1 关注私信	k4y0z 13 楼 666 2026-3-4 09:25 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 14 楼 gal2xy 是的。一开始用unidbg搞的，然后才发现还原的数据有缺陷。感觉有用的功能也就是正反污点和cfg，重放执行倒没什么必要 2026-3-4 12:42 0
@NoBody 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 5 回帖 41 粉丝 4 关注私信	@NoBody 15 楼你好，我自己做了一个二进制静态动态结合的创新的方案(我研究过学术界关于二进制跟踪的很多论文)，可以记录ios程序起始到结束堆内存读写和函数调用(普通的类似stalker的方法太慢了是无法实现的)，速度只减少50%。不过最近不做逆向了，800块出售逆行逆向源码。WX:jiqizaisikao 2026-3-4 15:53 0
劫局丶雪币： 458 活跃值： (2938) 能力值： ( LV3，RANK：25 ) 在线值：发帖 13 回帖 99 粉丝 12 关注私信	劫局丶 16 楼 @NoBody 你好，我自己做了一个二进制静态动态结合的创新的方案(我研究过学术界关于二进制跟踪的很多论文)，可以记录ios程序起始到结束堆内存读写和函数调用(普通的类似stalker的方法太慢了是无法实现的)，速度 ... 就你那点基于frida的破东西，也好意思卖5000到处坑人，无语。 2026-3-5 16:57 0
温泉划水鱼雪币： 84 能力值： ( LV1，RANK：0 ) 在线值：发帖 6 回帖 224 粉丝 28 关注私信	温泉划水鱼 17 楼劫局丶就你那点基于frida的破东西，也好意思卖5000到处坑人，无语。友友细嗦 2026-3-5 17:07 0
海带雪币： 427 活跃值： (2110) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 83 粉丝 11 关注私信	海带 18 楼学习 2026-7-2 09:52 0
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复