自动化逆向框架使用（Objection+Radare2）
1. 工具链架构与核心优势
1.1 动静结合逆向体系
graph LR
A[动态分析] -->|Objection实时Hook| B[关键点定位]
B --> C[行为数据捕获]
D[静态分析] -->|Radare2深度解析| E[控制流重建]
E --> F[漏洞模式识别]
B --> F
C --> F 组合优势对比：
| 维度 | Objection | Radare2 | 组合价值 |
|---|---|---|---|
| 分析类型 | 运行时动态追踪 | 二进制静态解析 | 覆盖完整逆向生命周期 |
| 数据获取 | 实时内存/堆栈/寄存器信息 | 文件结构/汇编指令/符号信息 | 实现动静数据交叉验证 |
| 自动化能力 | Frida脚本快速Hook | r2pipe脚本批量分析 | 构建端到端自动化流水线 |
2. 环境配置与跨平台支持
2.1 全平台部署方案
Windows环境（Powershell）：
# 安装Objection
pip3 install objection
# 安装Radare2
iwr https://radare.mikelloc.com/get -OutFile radare2.zip
Expand-Archive radare2.zip -DestinationPath C:\radare2
$env:Path += ";C:\radare2\bin" Linux环境（Bash）：
# 一键安装脚本
curl -sSL https://github.com/radareorg/radare2/raw/master/sys/install.sh | bash
pip3 install objection 2.2 联动验证测试
# 启动联动测试
objection -g com.target.app explore -c "android hooking watch class_method com.target.app.Crypto.encrypt --dump-args" &
r2 -d com.target.app -c 'aaa; pdf @ sym.encrypt' 3. Objection动态分析实战
3.1 运行时Hook技巧
SSL Pinning绕过：
objection -g com.target.app explore
android sslpinning disable 内存数据捕获：
android heap search instances com.target.app.Secret --dump 自定义Frida脚本集成：
// objection_custom.js
Java.perform(() => {
const Cipher = Java.use('javax.crypto.Cipher');
Cipher.doFinal.overload('[B').implementation = function(input) {
console.log("加密输入:", hexdump(input));
return this.doFinal(input);
};
}); objection -g com.target.app explore -s objection_custom.js 4. Radare2静态分析进阶
4.1 核心工作流
三阶段分析法：
-
初始分析：
aaa（自动分析所有） -
交互探索：
V（可视化模式） -
脚本处理：r2pipe批量解析
4.2 高级指令应用
控制流图生成：
r2 -A target.so
[0x00000000]> agf > cfg.dot
dot -Tpng cfg.dot -o cfg.png 交叉引用追踪：
[0x00012345]> axt @ sym.encrypt
- 0x00012a00 call sym.encrypt
- 0x00013500 jmp sym.encrypt 二进制修补示例：
[0x0000abcd]> wx 9090 @ 0xabcd # 将指令替换为NOP
[0x0000abcd]> pd 1
0x0000abcd 90 nop 5. 框架联动与自动化
5.1 动态数据辅助静态分析
Hook结果导入Radare2：
# 捕获加密密钥
objection -g com.target.app explore -c "android hooking watch class_method com.target.app.Crypto.init --dump-return" | tee key.log
# 在Radare2中标记密钥
r2 -w target.so
[0x00000000]> f key = 0xdeadbeef
[0x00000000]> pd @ sym.encrypt
0x00001234 mov r1, 0xdeadbeef 5.2 静态特征指导动态Hook
Radare2生成Hook模板：
import r2pipe
r2 = r2pipe.open("target.so")
func_info = r2.cmdj("pdfj @ sym.encrypt")
args_count = func_info['ops'][0]['esil'].count(',')
print(f"""Java.perform(() => {{
const NativeEncrypt = NativeFunction(
Module.findExportByName(null, 'encrypt'),
'int', ['pointer', 'int']
);
Interceptor.attach(NativeEncrypt, {{
onEnter(args) {{
this.input = args[1].readByteArray({args_count});
}},
onLeave(retval) {{
console.log(hexdump(this.input));
}}
}});
}});""") 6. 插件开发与扩展
6.1 Objection插件开发
敏感API自动监控插件：
# ~/.objection/plugins/sensor.py
from objection.commands.base import Command
class Sensor(Command):
name = "sensor"
help = "监控传感器数据访问"
def run(self, args):
js = """
Java.perform(() => {
const SensorManager = Java.use('android.hardware.SensorManager');
SensorManager.getDefaultSensor.implementation = function(type) {
console.log('访问传感器: ' + type);
return this.getDefaultSensor(type);
};
});
"""
self.api.inject_script(js) objection -g com.target.app explore -P ~/.objection/plugins
# 使用插件
sensor 6.2 Radare2脚本自动化
漏洞模式扫描脚本：
import r2pipe
def find_memcpy_vuln(binary):
r2 = r2pipe.open(binary)
r2.cmd('aaa')
funcs = r2.cmdj('aflj')
for func in funcs:
if 'memcpy' in func['name']:
ops = r2.cmdj(f'pdfj @ {func["offset"]}')
for op in ops['ops']:
if 'esil' in op and 'rcx,=[4]' in op['esil']:
print(f"潜在溢出漏洞: {func['name']}@{hex(op['offset'])}")
find_memcpy_vuln('target.bin') 7. 企业级应用案例
7.1 恶意软件自动化分析
流水线设计：
sequenceDiagram
样本仓库->>Objection: 自动注入动态分析脚本
Objection->>Radare2: 导出关键函数地址
Radare2->>分析引擎: 提交控制流特征
分析引擎->>报告系统: 生成风险评级 典型检测规则：
- rule: 可疑网络行为
dynamic:
objection: android hooking watch class_method java.net.Socket.connect
static:
radare2: pd @ sym.encrypt ~ 'RC4'
risk: high 7.2 物联网固件批量分析
集群化处理：
# 任务分发脚本
find ./firmwares -name "*.bin" | parallel -j 8 \
'r2 -c "aaa; agf > {}.cfg" {} && \
objection -N -q -s analyze.js -g {}' 8. 调试与优化策略
8.1 常见问题排查
动态注入失败处理：
-
检查Frida-server是否运行：
adb shell ps | grep frida -
验证APK可调试性：
aapt dump badging app.apk | grep debuggable -
关闭SELinux：
adb shell setenforce 0
静态分析错误处理：
# 修复Radare2分析错误
r2 -w target.so
[0x00000000]> e anal.in=block
[0x00000000]> af 8.2 性能优化技巧
Radare2分析加速：
r2 -c "e anal.limits=true; e anal.timeout=60; aaa" target.so Objection过滤冗余信息：
objection explore --quiet --filter "com.target.secret" 技术验证清单：
-
实现Objection与Radare2数据互通
-
开发自定义分析插件
-
构建恶意软件自动化检测流水线
-
完成物联网固件批量分析测试
-
优化工具链性能提升30%+
本章实验需在隔离网络环境中进行，所有恶意软件分析需遵循国家《网络安全法》规定。建议使用VirusShare或MalwareBazaar的授权样本库。
关于作者：
15年互联网开发、带过10-20人的团队，多次帮助公司从0到1完成项目开发，在TX等大厂都工作过。当下为退役状态，写此篇文章属个人爱好。本人开发期间收集了很多开发课程等资料，需要可联系我
