优化.ll文件的ICFG特征提取，此版本可以清楚看到ICFG提取的情况

''' 通过一定筛选条件提取出函数名.函数名长度大于4并且小于26 dec_label进行筛选，大于80的舍去。这是因为，函数名与函数体之间的极端不对称，会导致模型失效。 ''' #此版本可以清楚看到ICFG提取的情况 import os import re import json temp_ll = [] l_end_added_new_func = [] ll_new3 = [] def func_body_get_ll_info(ll_files): f = open(ll_files, encoding="utf-8") s = f.readlines() temp_func_ll = [] flag = 0 for i in range(len(s)): if 'define' in str(s[i]): flag += 1 if flag >= 1: if len(temp_func_ll) > 0: temp_ll.append(temp_func_ll) temp_func_ll = [] temp_func_ll.append(s[i]) elif flag >= 1: temp_func_ll.append(s[i]) temp_ll.append(temp_func_ll[:100])#最后一个添加的上面没有加上的函数名-函数体！限制其长度为100； def resize_func_body(func_body_info):#函数体处理模块 l_func_body = "" str_spqce = "" s_re = str(str_spqce.join(re.split('[!*;:-]', func_body_info))) match1 = re.sub(r"i[0-9][0-9]", ' N ', s_re) match3 = re.sub(r" [0-9][0-9] ", ' N ', match1) match3 = re.sub(r"dec_label_pc.*?[\s]", ' ', match3) match6 = re.sub(r"\.", ' ', match3) match7 = str_spqce.join(re.split('[\[\]\'\'=%,(){}@]', match6)) match8 = re.sub(r"N", '', match7) # 最后对于N进行处理 match9 = re.sub(r"\n", '', match8) # 最后对于/n进行处理 match10 = re.sub(r"label", ' ', match9) # 最后对于空格进行处理 match11 = re.sub(r" [0-9][0-9] ", ' ', match10) # 最后对于空格进行处理 match12 = re.sub(r" *", ' ', match11) # 最后对于空格进行处理 count = 0 for i in match12.split(' '): if len(i) > 2: if count < 1000: # l_func_body += ' '+i l_func_body += ' '+i count += 1 return l_func_body def get_func_name_body(ll):#得到处理过后的函数名和函数体部分！ l_end = [] for j in range(len(ll)): print(ll[j]) func_body = "" for i in range(len(ll[j])): if i == 0: func_name = re.findall(r"(?<=@).*?(?=[\(])", str(ll[j][0]), re.S) # 提取函数名 else: func_body += ll[j][i]+' ' # 提取函数体 func_body1 = resize_func_body(func_body)#处理函数体模块 l_end.append({"func_name": func_name, "func_body": func_body1[:1000]}) print(l_end) return l_end # 传入一个文件夹路径，提取全部的.ll文件信息，并且返回一个列表 def get_info(path): l = [] files = os.listdir(path) for file in files: if "-" in file: # print(file) ll_files = path + '/' + str(file) # print(ll_files) files = os.listdir(ll_files) for i in files: # print(path + '/' + str(file) + '/' + i) l.append(path + '/' + str(file) + '/' + i) return l def get_func_icfg(l_end):#制作函数名-函数体的ICFG数据！ print(l_end) big_func_name = [] big_func_body = [] for i in range(len(l_end)):#获得所有的函数名数据！ big_func_name.append(l_end[i].get('func_name')[0]) big_func_body.append(l_end[i].get('func_body').split(' ')) for i in range(len(big_func_body)): for j in range(len(big_func_body[i])): for k in range(len(big_func_name)): if big_func_name[k] in big_func_body[i]: print(big_func_name[k]) print(big_func_body[i]) temp_index = big_func_body[i].index(big_func_name[k]) print(temp_index) big_func_body[i][temp_index] = list(big_func_body[k]) for i in range(len(big_func_name)):#将函数名和函数体信息写入列表 # big_func_body = l_end[i].get('func_body').split(' ') print('*********************') # for j in range(len(big_func_body)): # l_end_added_new_func.append({"func_name": big_func_name[i], "func_body": big_func_body[i][:1000]}) process_func_body = list(big_func_body[i]) temp_ll = [] for j in range(len(process_func_body)): process_func_body[j] = re.sub(r"\(.*?\)|\{.*?\}|\[.*?\]", "", str(process_func_body[j])) if len(process_func_body[j]) > 2: temp_ll.append(process_func_body[j]) big_func_body[i] = temp_ll ss = "" for k in range(len(big_func_body[i])): ss += big_func_body[i][k]+' ' #去掉其中的逗号 冒号 和空格 ss1 = re.sub(r'[\,\'\ \]]', ' ', ss) ss2 = re.sub(r" *", ' ', ss1) l_end_added_new_func.append({"func_name": big_func_name[i], "func_body": ss2}) # l_end_added_new_func.append({"func_name": big_func_name[i], "func_body": big_func_body[i]}) # l_end_added_new_func.append({"func_name": big_func_name[i], "func_body": temp_ll}) return l_end_added_new_func # for j in range(len(big_func_name)): # print(big_func_body[j]) # for k in range(len(big_func_body[j])): # print(big_func_name[j]) # print(big_func_body[j][k]) # if big_func_name[j] == big_func_body[j][k]: # print(i) # print(k) # # if big_func_name[j] in big_func_body: # print(big_func_name[j]) # num_func_name = big_func_name.index(big_func_name[j]) # num_func_body = big_func_body.index(big_func_name[j])#函数名出现在函数体中的位置！ # big_func_body[num_func_body] = l_end[num_func_name].get('func_body')[0] # l_end_added_new_func.append({"func_name": l_end[i].get('func_name')[0], "func_body": big_func_body[:1000]}) # print(l_end_added_new_func) if __name__ == '__main__': record_path = os.getcwd() # 记录当前路径 fun_body_info = get_info(record_path) # 递归提取所有路径信息 # for i in range(len(fun_body_info)): # print("loading............" + str(fun_body_info[i])) # func_body_get_ll_info(fun_body_info[i]) # # print(temp_ll) # func_body_get_ll_info(fun_body_info[i]) func_body_get_ll_info(r'F:\test\my_test\0多分类实验\ll文件特征提取\libz.so.1.2.11.ll') func_name_body = [] func_name_body = get_func_name_body(temp_ll) func_icfg = get_func_icfg(func_name_body) print(func_icfg) for i in range(len(func_icfg)): print(func_icfg[i].get('func_name')) print(func_icfg[i].get('func_body')) ll_new3.append({"func_name": func_icfg[i].get('func_name'), "func_body": func_icfg[i].get('func_body')}) print(ll_new3) with open(r'mips32100.json', "a+") as json_file: # json_str = json.dumps(temp_ll, indent=4) # json_str = json.dumps(func_name_body, indent=4) json_str = json.dumps(ll_new3, indent=4) print("writing to json..........") json_file.write(json_str) json_file.close() print("写入mips32.json成功！") with open(r'mips32.txt', "w") as f_txt: print(len(func_icfg)) f_txt.write(str(len(func_icfg))) f_txt.close() print("mips32.txt成功！")