REMINDer

Detect packers on executable files using a simple entropy-based heuristic.

[](https://pypi.python.org/pypi/reminder-detector/) [](https://pypi.python.org/pypi/reminder-detector/) [](https://github.com/packing-box/reminder/actions/workflows/python-package.yml) [](https://pypi.python.org/pypi/reminder-detector/) REMINDer (REsponse tool for Malware INDication) 是基于[这篇论文](https://ieeexplore.ieee.org/document/5404211) 的实现，封装为一个 Python 包，并提供控制台脚本，利用简单的启发式方法检测可执行文件是否被加壳。 使用 [lief](https://github.com/lief-project/LIEF) 进行二进制解析。 ``` $ pip install reminder-detector ``` ``` $ reminder --help [...] usage examples: - reminder program.exe - reminder /bin/ls --entropy-threshold 6.9 ``` ## :bulb: 检测机制 1. 找到 EP 节 (Entry Point section) 2. 检查该节是否可写 3. 如果是，检查熵值是否超过阈值（取决于可执行文件格式） 4. 如果是，则输入的可执行文件被加壳；否则未被加壳 ## :star: 相关项目 你可能也会喜欢这些： - [Awesome Executable Packing](https://github.com/packing-box/awesome-executable-packing)：与可执行文件加壳相关的精选资源列表。 - [Bintropy](https://github.com/packing-box/bintropy)：用于估算二进制文件包含压缩或加密字节可能性的分析工具（灵感源自[这篇论文](https://ieeexplore.ieee.org/document/4140989)）。 - [Dataset of packed ELF files](https://github.com/packing-box/dataset-packed-elf)：使用多种不同加壳工具打包的 ELF 样本数据集。 - [Dataset of packed PE files](https://github.com/packing-box/dataset-packed-pe)：使用多种不同加壳工具打包的 PE 样本数据集（[此仓库](https://github.com/chesvectain/PackingData)的分支）。 - [Docker Packing Box](https://github.com/packing-box/docker-packing-box)：收集了加壳工具和相关工具的 Docker 镜像，用于制作加壳可执行文件数据集。 - [DSFF](https://github.com/packing-box/python-dsff)：实现数据集文件格式 (DSFF) 的库。 - [PEiD](https://github.com/packing-box/peid)：著名的加壳可执行文件标识符 ([PEiD](https://www.aldeid.com/wiki/PEiD)) 的 Python 实现。 - [PyPackerDetect](https://github.com/packing-box/pypackerdetect)：PE 文件的加壳检测工具（[此仓库](https://github.com/cylance/PyPackerDetect）的分支）。 ## :clap: 支持者 [](https://github.com/packing-box/REMINDer/stargazers) [](https://github.com/packing-box/REMINDer/network/members)

标签：DAST, DNS 反向解析, LIEF, PE文件分析, Python安全工具, 二进制分析, 云安全监控, 云安全运维, 云资产清单, 加壳检测, 可执行文件, 启发式检测, 恶意软件分析, 数字取证, 熵值计算, 网络安全, 自动化脚本, 逆向工具, 逆向工程, 隐私保护, 静态分析