Binary Diff

跨版本符号迁移 (Binary Diff)

适用范围

当任务属于以下场景时使用本 skill：

1. 内核/驱动缺 PDB — 有旧版 ntoskrnl.exe 的符号，新版 PDB 被微软下架，需要用旧版符号推导新版非导出函数地址 2. 程序更新后符号迁移 — 曾经逆向过某个程序，程序更新了，不想重新逆一遍，用旧版结果批量迁移 3. 保护机制更新 — 旧版有完整逆向结果，新版需要快速定位同一函数的新偏移 4. 任何"有旧版符号 + 新版无符号"的二进制对比场景

与其他 skill 的分工

核心优势

相比传统方案：

核心原理

旧版函数（有符号）          新版同一函数（无符号）
    ↓                              ↓
导出反汇编 + 伪代码          导出反汇编 + 伪代码
    ↓                              ↓
    └──────── LLM 结构化比对 ────────┘
                    ↓
         输出 YAML（符号映射表）
                    ↓
         程序化解析 → 批量应用到新版 IDB

关键点：

• prompt 是固定模板，程序化填充
• 输入输出格式确定，程序化解析
• LLM 只负责"看两段代码，找出对应关系"这一步
• 时间成本和 token 成本极低

Prompt 模板

标准比对 Prompt

I have disassembly outputs and procedure code of the same function.

This is the function for reference:

**Disassembly for Reference**

{disasm_for_reference}

**Procedure code for Reference**

{procedure_for_reference}

This is the function you need to reverse-engineering:

**Disassembly to reverse-engineering**

{disasm_code}

**Procedure code to reverse-engineering**

{procedure}

What you need to do is to collect all references to "{symbol_name_list}" in the function you need to reverse-engineering and output those references as YAML.

Example:

found_vcall: # This is for indirect call to virtual function or virtual function pointer fetching.

• insn_va: '0x180777700' # Always be the instruction with displacement offset

insn_disasm: call [rax+68h] # Always be the instruction with displacement offset vfunc_offset: '0x68' func_name: ILoopMode_OnLoopActivate

• insn_va: '0x180777778' # Always be the instruction with displacement offset

insn_disasm: mov rax, [rax+80h] # Always be the instruction with displacement offset vfunc_offset: '0x80' func_name: INetworkMessages_GetNetworkGroupCount

found_call: # This is for direct call to non-virtual regular function.

• insn_va: '0x180888800'

insn_disasm: call sub_180999900 func_name: CLoopMode_RegisterEventMapInternal

• insn_va: '0x180888880'

insn_disasm: call sub_180555500 func_name: CLoopMode_SetSystemState

found_funcptr: # This is for non-virtual regular function pointer.

• insn_va: '0x180666600' # Must load/reference the function pointer target address

insn_disasm: lea rdx, sub_15BC910 # Must load/reference the function pointer target address funcptr_name: CLoopMode_OnClientPollNetworking

found_gv: # This is for reference to global variable.

• insn_va: '0x180444400'

insn_disasm: mov rcx, cs:qword_180666600 # Must load/reference the global variable gv_name: g_pNetworkMessages

• insn_va: '0x180333300'

insn_disasm: lea rax, unk_180222200 # Must load/reference the global variable gv_name: s_EventManager

found_struct_offset: # This is for reference to struct offset. NOTE THAT virtual function pointer should not be here! virtual function pointer should ALWAYS be in found_vcall !

• insn_va: '0x1801BA12A' # Always be the instruction with displacement offset

insn_disasm: mov rcx, [r14+58h] # Always be the instruction with displacement offset offset: '0x58' size: 8 struct_name: CResourceService member_name: m_pEntitySystem

If nothing found, output an empty YAML. DO NOT output anything other than the desired YAML. DO NOT collect unrelated symbols.

变量说明

工作流

完整流程

Step 1: 准备数据
  - 旧版二进制加载到 IDA（有 PDB/符号）
  - 新版二进制加载到 IDA（无符号）
  - 找到两个版本中相同的锚点函数（导出函数、字符串引用等）

Step 2: 批量导出
  - 从旧版导出：锚点函数的反汇编 + 伪代码（含符号名）
  - 从新版导出：同一锚点函数的反汇编 + 伪代码（无符号名）

Step 3: LLM 比对
  - 用 prompt 模板填充数据
  - 调用 LLM API（推荐：deepseek 量大便宜，超大函数切 gpt）
  - 解析返回的 YAML

Step 4: 应用结果
  - 将 YAML 中的符号映射批量应用到新版 IDB
  - 用 idapro_rename 或 IDAPython 脚本批量重命名

Step 5: 迭代
  - 第一轮迁移的函数成为新的锚点
  - 进入这些函数，继续对比内部调用
  - 重复直到覆盖所有目标函数

锚点选择策略

批量处理建议

• 每次比对 1 个函数（避免 context 爆炸）
• 中等函数（<200 行）用 deepseek
• 超大函数（>500 行）切 gpt-4o 或 claude
• 并发调用提高速度（10-20 并发）
• 结果缓存，避免重复调用

输出格式

YAML 输出的 5 种符号类型

解析后的应用动作

found_call → idapro_rename(addr=call_target, name=func_name)
found_vcall → idapro_set_comments(addr=insn_va, comment="vcall: {func_name} @ +{offset}")
found_funcptr → idapro_rename(addr=funcptr_target, name=funcptr_name)
found_gv → idapro_rename(addr=gv_addr, name=gv_name)
found_struct_offset → idapro_set_comments(addr=insn_va, comment="{struct_name}.{member_name}")

典型场景示例

场景 1：ntoskrnl.exe 缺 PDB

已有：ntoskrnl.exe 10.0.26100.2000 + 完整 PDB
目标：ntoskrnl.exe 10.0.26100.2605（PDB 被下架）
需求：定位 PspSetCreateProcessNotifyRoutine 的新地址

步骤：
1. 两个版本都加载到 IDA
2. 找到导出函数 PsSetCreateProcessNotifyRoutine（两个版本都有）
3. 旧版中它调用了 PspSetCreateProcessNotifyRoutine（有符号）
4. 新版中它调用了 sub_140822108（无符号）
5. LLM 一眼看出：sub_140822108 = PspSetCreateProcessNotifyRoutine
6. 批量应用

场景 2：应用更新后迁移

已有：target.exe v1.0 的完整逆向结果（200+ 函数已命名）
目标：target.exe v1.1（所有符号丢失）
需求：批量迁移 200 个函数名

步骤：
1. 从旧版导出所有已命名函数的反汇编+伪代码
2. 在新版中通过导出函数/字符串找到对应锚点
3. 批量调用 LLM 比对
4. 解析 YAML，批量 rename
5. 迭代深入

LLM 选择建议

推荐策略：默认 DeepSeek，遇到 context 超限或结果不准时自动升级。

注意事项

• 不要把整个二进制丢给 LLM — 一次只比对一个函数
• 锚点必须可靠 — 如果锚点本身就对错了，后续全部白费
• 结果需要人工抽检 — LLM 不是 100% 准确，关键符号要验证
• 缓存中间结果 — 避免重复调用浪费 token
• 注意 context 限制 — 超大函数（>1000 行反汇编）需要拆分或用大 context 模型

---

按需自举（On-Demand Bootstrap）

工具依赖

说明

本 skill 的核心不依赖重型工具安装，主要依赖：

• IDA Pro 已有（用 ida-reverse/ skill 管理）
• Python + requests/httpx（调 API）
• 一个 LLM API endpoint

---

路由上下文

上游入口: skills/SKILL.md（总控）、routing.md 触发条件: 有旧版符号/逆向结果，需要迁移到新版本 下游出口:

• 需要先打开二进制 → ida-reverse/
• 需要快速侦察确认版本差异 → radare2/

同级关联模块: ida-reverse/（数据导出和符号应用都通过 IDA）

Symbol Migration Prompt Template

标准比对 Prompt（直接复制使用）

I have disassembly outputs and procedure code of the same function.

This is the function for reference:

**Disassembly for Reference**

{disasm_for_reference}

**Procedure code for Reference**

{procedure_for_reference}

This is the function you need to reverse-engineering:

**Disassembly to reverse-engineering**

{disasm_code}

**Procedure code to reverse-engineering**

{procedure}

What you need to do is to collect all references to "{symbol_name_list}" in the function you need to reverse-engineering and output those references as YAML.

Example:

found_vcall:

• insn_va: '0x180777700'

insn_disasm: call [rax+68h] vfunc_offset: '0x68' func_name: ILoopMode_OnLoopActivate

found_call:

• insn_va: '0x180888800'

insn_disasm: call sub_180999900 func_name: CLoopMode_RegisterEventMapInternal

found_funcptr:

• insn_va: '0x180666600'

insn_disasm: lea rdx, sub_15BC910 funcptr_name: CLoopMode_OnClientPollNetworking

found_gv:

• insn_va: '0x180444400'

insn_disasm: mov rcx, cs:qword_180666600 gv_name: g_pNetworkMessages

found_struct_offset:

• insn_va: '0x1801BA12A'

insn_disasm: mov rcx, [r14+58h] offset: '0x58' size: 8 struct_name: CResourceService member_name: m_pEntitySystem

If nothing found, output an empty YAML. DO NOT output anything other than the desired YAML. DO NOT collect unrelated symbols.

变量填充说明

批量调用脚本骨架（Python）

import yaml
import httpx
import json
from pathlib import Path

PROMPT_TEMPLATE = open("prompt-template.txt").read()

def migrate_function(ref_disasm, ref_procedure, target_disasm, target_procedure, symbols, api_url, api_key, model="deepseek-chat"):
    prompt = PROMPT_TEMPLATE.format(
        disasm_for_reference=ref_disasm,
        procedure_for_reference=ref_procedure,
        disasm_code=target_disasm,
        procedure=target_procedure,
        symbol_name_list=", ".join(symbols)
    )
    
    resp = httpx.post(api_url, json={
        "model": model,
        "messages": [{"role": "user", "content": prompt}],
        "temperature": 0
    }, headers={"Authorization": f"Bearer {api_key}"}, timeout=60)
    
    content = resp.json()["choices"][0]["message"]["content"]
    
    # 提取 YAML 块
    if "```yaml" in content:
        yaml_str = content.split("```yaml")[1].split("```")[0]
    elif "```" in content:
        yaml_str = content.split("```")[1].split("```")[0]
    else:
        yaml_str = content
    
    return yaml.safe_load(yaml_str)


def apply_results(results, ida_session):
    """将解析后的 YAML 结果应用到 IDA"""
    if not results:
        return
    
    renames = []
    comments = []
    
    if "found_call" in results:
        for item in results["found_call"]:
            # 从 insn_disasm 中提取 call target
            # call sub_XXXXXXX → 提取 sub_XXXXXXX 的地址
            renames.append({"addr": item["insn_va"], "name": item["func_name"], "type": "call_target"})
    
    if "found_funcptr" in results:
        for item in results["found_funcptr"]:
            renames.append({"addr": item["insn_va"], "name": item["funcptr_name"], "type": "funcptr_target"})
    
    if "found_gv" in results:
        for item in results["found_gv"]:
            renames.append({"addr": item["insn_va"], "name": item["gv_name"], "type": "gv"})
    
    if "found_vcall" in results:
        for item in results["found_vcall"]:
            comments.append({
                "addr": item["insn_va"],
                "comment": f"vcall: {item['func_name']} @ +{item['vfunc_offset']}"
            })
    
    if "found_struct_offset" in results:
        for item in results["found_struct_offset"]:
            comments.append({
                "addr": item["insn_va"],
                "comment": f"{item['struct_name']}.{item['member_name']} @ +{item['offset']}"
            })
    
    return {"renames": renames, "comments": comments}

API 配置建议

# 默认用 DeepSeek（便宜）
default:
  api_url: "https://api.deepseek.com/v1/chat/completions"
  model: "deepseek-chat"
  
# 超大函数回退到 GPT
fallback:
  api_url: "https://api.openai.com/v1/chat/completions"
  model: "gpt-4o"

# 或者用 Claude
alternative:
  api_url: "https://api.anthropic.com/v1/messages"
  model: "claude-sonnet-4-20250514"