---

name: re-ghidra description: > Ghidra 工作流：导入→自动分析→反编译→脚本化。 触发词：Ghidra、反编译、headless capabilities: [decompilation, debugging]

Ghidra 逆向工作流

何时使用 / 何时不用

• 用：需要反编译与深度静态分析；headless 批量处理；脚本化自动标注/解密循环；PE/ELF/Mach-O 全支持
• 不用：内存 <4GB（启动即卡顿，换 [[re-radare2]]）；只需快速初勘（走 [[re-triage]]）
• 不用：已有 IDA 工作流且目标明确（按 RE_DECOMPILER 会话变量选择）

工具准备

参考 [[re-analyze/platform-tips]]——Ghidra 为静态分析主力（免沙箱）；低内存环境按平台经验换 [[re-radare2]]，headless 批处理适合远程环境。

Ghidra（官方安装，Java 21 要求）

• 下载: GitHub NationalSecurityAgency/ghidra releases，解压即用（无需安装）
• JDK 21（Ghidra 11.3+ 要求）:
  • Linux: apt install openjdk-21-jdk / dnf install java-21-openjdk / pacman -S jdk21-openjdk
  • macOS: brew install openjdk@21 或 brew install --cask temurin
  • Windows: choco install temurin21（或 Oracle JDK 21）
• 启动: ./ghidraRun（GUI）/ ./support/analyzeHeadless（无头）
• 验证: java -version（须 21+）；./support/analyzeHeadless -help 正常输出
• 版本: 12.x 为当前主线（核验基线 12.1.4）；安装时以官方 Releases 的 Latest 为准；运行官方 release 只需 JDK 21，从源码构建 Ghidra 自身需 JDK 25 + Gradle 9.1+；11.x → 12.x 有破坏性脚本 API 变更，写脚本先查目标版本 javadoc，细节见 [[gotchas]]

ghidra-bridge（Python 远程控制）

• 全平台: pip install ghidra-bridge
• 前置: Ghidra GUI 中 Script Manager 运行 ghidra_bridge_server.py
• 验证: python3 -c "import ghidra_bridge; print(ghidra_bridge.__version__)"

操作步骤

1. analyzeHeadless 无头导入+分析：

   $GHIDRA/support/analyzeHeadless /tmp/proj sample_proj \
     -import ./sample.bin -deleteProject -log /tmp/ghidra.log
   

   只建工程不交互时加 -overwrite；批处理多个样本循环调用。日志看 -log，分析完成标志: 无异常且工程可重新导入。

   • -process 模式（对已导入工程内文件重跑脚本/分析，与 -import 二选一）:

     $GHIDRA/support/analyzeHeadless /tmp/proj sample_proj \
       -process -postScript MyScript.java -scriptPath /tmp/scripts
     

   • 只做符号/字符串/单函数反编译时加 -noanalysis（跳过自动分析，秒级完成）；只读复查加 -readOnly；全套参数族见 [[commands]]

2. GUI：导航/交叉引用/反编译：

   • File > Import File → 选择样本 → Analyze（等左下角进度完成）
   • 跳转: Go To（G）输入地址；入口点已在 Program Trees 标记 entry
   • 交叉引用: 光标在函数/变量上按 R（References 窗口），或右键 > References > Show References To
   • 反编译: 在 Listing 中按 Ctrl+E（Decompiler 窗口，默认快捷键可能随版本/keymap 不同，以 Help > Key Bindings 为准）或右键 > Decompile Function，反编译视图可 copy
   • 函数图: 函数上按 F（Function Graph）看分支/循环结构，与 Decompiler 同步导航
   • 下划线地址差异: Listing 显示 VA（含 ImageBase），脚本中常用 getAddressFactory().getDefaultAddressSpace().getAddress("0x401000")

3. 重命名+类型传播标记：

   • 函数重命名: Listing 中 L；变量重命名: Decompiler 中 L
   • 设置类型: 右键变量 > Set Data Type（y），如 char *、DWORD、int (*)(int)
   • 定义结构体: Data Type Manager > 新建 Structure，Decompiler 中引用后类型传播自动改善反编译质量
   • 标记已知库函数: 右键 > Set Data Type + f（Function signature），提升后续调用点参数语义

4. Python 脚本（自动标注、解密循环仿真）：

   # @category Analysis  — 放 GhidraScripts 目录，Script Manager 中 Run
   from ghidra.program.model.listing import CodeUnit
   fm = currentProgram.getFunctionManager()
   for f in fm.getFunctions(True):
       body = f.getBody()
       if body.getNumAddresses() > 10000:
           print("large:", f.getName(), hex(body.getMaxAddress().getOffset()))
   

   解密循环: 定位 XOR 循环后脚本 patch 或直接计算:

   from ghidra.program.model.mem import *
   fm = currentProgram.getFunctionManager()
   f = fm.getFunctionAt(currentAddress)
   # 示例: 从 0x403000 起 0x100 字节异或 0x55
   addr = currentProgram.getAddressFactory().getDefaultAddressSpace().getAddress("0x403000")
   for i in range(0x100):
       b = getByte(addr.add(i)) ^ 0x55
       setByte(addr.add(i), b)
   

   • 改字节前先副本：setByte 直接写当前 Program（保存后即改原始文件）——分析恶意样本必须先复制 Program（File > Save As 另存副本）或对临时副本操作，禁止直接 patch 原始样本，否则破坏证据链 无头批量: analyzeHeadless ... -postScript MyScript.java -scriptPath <dir>

5. 导出反编译 C：

   • File > Export Program → 格式选 C/C++，导出整个反编译树
   • 或 Decompiler 窗口逐函数 Copy 到笔记
   • 导出的是反编译结果，不是原始源码恢复：变量名/类型推断可能错误（重命名后才会改善），不代表原始实现——只作阅读辅助，关键逻辑必须对照反汇编/Listing 验证
   • 导出后核对: C 里无符号函数名保留注释（函数地址），对照原 Listing

函数分析上下文清单

分析每个函数前先收集（见 [[re-analyze/analysis-contract]] 上下文清单）：xrefs（谁引用它/它引用谁）、目标函数引用的字符串、caller/callee 签名、已命名符号表、已恢复 struct。一次性给足再分析，避免反复翻 xrefs；主动申请额外证据每函数不超过 8 次工具调用。

单函数深分析顺序

按 [[re-analyze/analysis-contract]] 的「单函数深分析顺序」五步推进（types → constants → vtables → identity → decompilation，不可跳步、禁止先反编译再倒推）。Ghidra 下的对应操作：类型用 Type Manager / Apply Function Signature，虚表用 vtable 分析，符号/常量证据可用 readelf / strings / objdump 导出辅助。

跨域联合

• [[re-address-space]]：Ghidra 基址与运行时地址换算（load bias）

• [[re-binary-core]]：工作流第 5 步默认反编译器

• [[re-malware]]：恶意样本深度分析（混淆脚本标注）

• [[re-ctf]]：逆向题主力

• [[re-firmware]]：固件 ELF 组件反编译

• [[re-mobile]]：App .so 库分析

• 与 [[re-format-pe]] / [[re-format-elf]] / [[re-format-macho]] 配合读结构；低内存环境用 [[re-radare2]]

常见坑与陷阱

• 自动分析漏掉混淆代码：花指令/乱序代码段可能未被反汇编——手动选中段按 C（code）强制标记，必要时修复函数边界（右键 > Create Function）

• Java 版本不匹配启动失败：报 UnsupportedClassVersionError → 确认 java -version 为 21+，JAVA_HOME 指向正确 JDK

• 内存 <4GB 卡顿：分析大二进制内存耗尽 → 换 [[re-radare2]] 或减小分析范围（-analysisTimeoutPerFile）

• headless 默认分析选项与 GUI 有差异（缺少部分可选项）→ 用 -postScript 显式执行分析脚本保证一致

• 大文件自动分析卡死：现象——导入大二进制后自动分析长时间不结束/界面卡死；原因——大文件卡死诱因=间接调用爆炸/大型 C++ RTTI/混淆控制流/大量数据段；对策——先降低自动分析范围（限制/关闭间接调用与 RTTI 分析选项），优先定位入口/字符串/交叉引用再逐步展开，见 [[re-analyze/platform-tips]] 静态优先原则

• 函数边界异常 → 检查反编译假象：现象——反编译视图里函数被错误拆分/合并、多出假参数或栈变量错乱、函数体看着像垃圾数据，照此分析得出荒谬逻辑；原因——手写汇编、混淆代码、尾调用（tail call 使相邻函数被错误合并）、无 frame pointer（不用 rbp/ebp 使帧推断失真）会让 decompiler 的边界与帧推断出错；对策——先核对 Listing 汇编与真实字节，按 C/Create Function 手工修正边界，尾调用与无 frame pointer 的函数以汇编语义为准、不完全相信反编译输出（见 [[re-binary-core]] 分析方法论 R4）

• 内置脚本解释器是 Jython 2.7，不是 Python 3：现象——脚本一跑就报 SyntaxError（f-string/海象运算符）或 ImportError（找不到 pip 安装的三方库）；原因——Ghidra 内置 Jython 2.7，是 Python 2 语法与标准库，不支持 Python 3 语法，也无法 import pip 装的包；对策——脚本按 Python 2 兼容语法写（不用 f-string、用 xrange），需要现代 Python 能力（numpy 等）时改用 ghidra-bridge 让外部 Python 3 解释器驱动分析（见工具准备）

• 脚本/扩展选型失当 → 自动化维护成本失控：现象——一次性批处理逻辑越写越复杂、每次手动触发很烦，或需要常驻自动化却反复手动点脚本；原因——Script（脚本：轻量单文件、手动触发、适合一次性/简单重复任务）与 Extension（扩展：可注册菜单/面板/事件监听、随工程加载自动执行、ZIP 打包团队分发）的边界没分清；对策——简单重复任务用脚本即用即走；需要 UI 集成、外部服务接入、加载时自动执行或团队标准化分发时才做扩展

• 脚本 API 跨版本不兼容：现象——headless 脚本编译失败（skipping 且报 getPermissions()/getExecute() 类方法不存在）；原因——Ghidra 版本间 MemoryBlock 等 API 变更（12.x 为 isExecute()，不同版本方法名不同）；对策——写脚本前先查当前版本 javadoc（小验证脚本），编译失败先怀疑 API 差异而非业务逻辑

• 全量分析太慢就 -noanalysis：只做符号表/字符串/单函数反编译时，analyzeHeadless -noanalysis 导入后脚本可直接用——符号（含 JNI 导出）与字符串扫描不依赖 auto-analysis，秒级完成

• 命令速查（headless 参数族 / GUI 快捷键族 / 脚本 API 族）见 [[commands]]；版本差异、无头批处理与脚本 API 的更多坑见 [[gotchas]]