binary-diff

跨版本符号迁移 (Binary Diff)

When to Use

• A program updated and old annotations/symbols must be migrated to the new build.
• Recovering changed functions between two versions of a stripped binary.

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

| 场景 | 用什么 |

|------|--------|

| 从零开始逆向一个二进制 | ida-reverse/ 或 radare2/ |

| 有旧版结果，迁移到新版 | 本 skill |

| 两个完全不同的二进制对比 | BinDiff / Diaphora（传统工具） |

核心优势

相比传统方案：

| 方案 | 200 个函数成本 | 时间 | 准确率 |

|------|--------------|------|--------|

| 人工开两个 IDA 窗口对比 | 免费但耗命 | 数小时 | 高 |

| BinDiff 自动匹配 | 免费 | 快 | 中（结构变化大时失效） |

| 完全交给 Agent（CC/Codex） | 50-100 元 | 慢 | 高 |

| 本 skill（LLM 批量比对） | ~1 元 | ~10 秒/函数 | 高 |

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

| 变量 | 来源 | 说明 |

|------|------|------|

| {disasm_for_reference} | 旧版 IDA 导出 | 有符号的反汇编 |

| {procedure_for_reference} | 旧版 IDA 导出 | 有符号的伪代码 |

| {disasm_code} | 新版 IDA 导出 | 无符号的反汇编 |

| {procedure} | 新版 IDA 导出 | 无符号的伪代码 |

| {symbol_name_list} | 从旧版提取 | 需要在新版中定位的符号列表 |

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

| 锚点类型 | 可靠性 | 说明 |

|---------|--------|------|

| 导出函数 | 最高 | 名字不变，地址可能变 |

| 字符串引用 | 高 | 字符串内容不变，引用位置可能变 |

| 常量/魔数 | 中 | 特征值不变 |

| 代码模式 | 中 | 函数结构相似但地址全变 |

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

| 类型 | 含义 | 关键字段 |

|------|------|---------|

| found_vcall | 虚函数调用（间接 call） | vfunc_offset, func_name |

| found_call | 直接函数调用 | insn_va, func_name |

| found_funcptr | 函数指针引用 | insn_va, funcptr_name |

| found_gv | 全局变量引用 | insn_va, gv_name |

| found_struct_offset | 结构体偏移引用 | offset, struct_name, member_name |

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

| 模型 | 适合场景 | 成本 | 速度 |

|------|---------|------|------|

| DeepSeek V3 | 中小函数（<200 行），批量处理 | 极低 | 快 |

| GPT-4o | 超大函数，复杂控制流 | 中 | 快 |

| Claude Sonnet | 中大函数，需要推理 | 中 | 快 |

| Claude Opus | 极复杂函数，需要深度理解 | 高 | 慢 |

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

| 工具 | 用途 | 可自动安装 |

|------|------|-----------|

| IDA Pro | 导出反汇编/伪代码 | ✗（商业软件） |

| Python | 脚本执行、API 调用 | ✓ |

| PyYAML | 解析 LLM 返回的 YAML | ✓（pip install pyyaml） |

| LLM API | 执行比对 | 需要 API key |

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）

任务完成自检（声称完成前 MUST 通过）

• [ ] 我是否执行了工作流中的每一步（而不是只阅读）？
• [ ] 我是否基于 tool-index 使用了真实工具路径？
• [ ] 我是否产出了可复现证据（命令/脚本/截图/报告）？
• [ ] 我是否完成并回写了 RULES 要求的 Checklist 项？

Limitations

• Diff quality degrades with heavy recompilation or obfuscation between versions.
• Requires local diff tooling (e.g., BinDiff, Diaphora, radiff2).

> Adapted from zhaoxuya520/reverse-skill (MIT).