标签：
声明：
1）本文由我bitpeach原创撰写，禁止一切形式的转载。如有转载，侵权必究。
2）本简谈主要分为三个方面，第一是自动化协议逆向技术的基本理论，第二是当前发展趋势，第三是入门协议逆向技术的必备过程。
3）既是简谈，则文章篇幅不长，同时本文观点不一定正确，希望抛砖引玉，能得高人指点，幸为殊荣。
4）最近一个月比较忙，昨天正好写完稿子，今天就简写一些内容，避免重复，故为简谈。
协议逆向工程是指在不依赖于协议描述的情况下，通过对协议实体的网络输入/输出、系统行为和指令执行流程进行监控和分析，提取协议文法、语法和语义的过程。（潘璠博士，吴礼发教授，洪征副教授团队《协议逆向工程研究进展》）协议逆向工程这一术语，名字中带有工程，但是事实上，其中含有较多的学术理论推导和数学模型建立工作，因此本人更倾向于称之为协议逆向工程技术或协议逆向技术。
协议逆向技术不是Fuzzing，但是可以用于Fuzzing。协议逆向技术不是协议分类技术，但是可以用于协议分类新技术。发现协议逆向技术成为了各种补别人窟窿的技术，原因就在于其技术前提恶劣，工作的假设前提信息缺失匮乏，所以其通用性和推广性比一般理论模型要好，同时代价就是技术难点多，不一定能保证解析出成果来。
当前学术研究认为，协议分析技术是包含协议逆向技术的。原因在于，协议分析技术除协议逆向技术外，还包含协议识别，流量分类，协议安全测试等其他技术分支。
因为是协议规格未知，所以先验信息未知。在学术研究中，称为先验信息匮乏或损失。根据概率论，先验信息损失，只能观测到后验概率，因为无法还原字段规格的联合概率分布，从理论上来讲，永远不可能求解字段的正确位置（这一观点论断已经发表于2016年IET Communications和其他期刊上）。因此不论是从数学推导上，还是从工程实践上，都比较难，不能突破后验概率的局限性，只要是观测捕获的未知协议，就只能永远拟合逼近字段的正确位置，但是不能完备地求取字段位置，这受限于观测样本的特征多样性。（即类似于极限概念，可以无限趋近，但不能到达。）
协议逆向技术存在的意义，在于当分析对象是私有协议时，则该技术应运而生。当前存在大量的私有协议，有数据显示，未识别应用或未知流量占据统计报告所在网络 地区的30%。(数据来源，请查阅ReFlow组织和Internet2组织发布的流量统计报告。统计对象地区分别在巴西国家网络，美国 Internet2网络。)同时，一些业务需求使得协议设计者必须要保护自己的协议规格，如工控协议，物联网协议，无线数据链系统，RFID协议、自定义 蓝牙或Zigbee协议等等。
两点意义。
第一点，学术价值在目前2016年来看，仍然有一定潜力。未来4到5年确实不太好说，但是当前2016年本年度，是非常有价值。在后续章节中，会讨论当前发展趋势。
第二点，具备应用推广价值，可惜的地方在于，除了学术界著名的Netzob开源工具以外，还没有听说过旗号就叫“协议逆向技术”的开源工具。这反映了作为工具平台，理论转化率不高，还是过度依赖人工分析。
(1)报文序列分析，也叫基于网络轨迹(Network Trace)的协议逆向技术
(2)指令序列分析，也叫基于动态污点(Dynamic Taint)或程序分析(Execution Trace)的协议逆向技术
(3)主要区别，可阅读相关综述型论文，这里展示我自己绘制的学习笔记图。
本人见识浅薄，没有完全罗列，只列举部分学者团队，且与网络轨迹相关的。请恕后生唐突冒昧。
(1)Marshall A. Beddoe，McAfee研究员，现疑似为软件工程师。堪称协议逆向技术自动化研究的启蒙者和开山者。首次提出自动化算法引入到协议逆向技术中，然后提供了开源的PI项目源代码。恐怕在这位宗师之后，也没有人敢开源自己的代码吧，无私而又强大，不得不佩服这位学者。
(2)微软科学研究院，Cui Weidong。中国人，清华毕业，后在美国工作，是国际学术研究中，协议逆向技术的较早启蒙者。其著名的Discoverer技术方案，为入门经典之作。
(3)广东中山大学，余顺争教授，王变琴老师高级工程师，罗建桢博士，肖明明博士等。这些学者是协议逆向技术和流量分类领域的强者，是国内学术研究中，协议逆向技术的较早开拓者。
(4)南京，吴礼发教授，洪征副教授团队。是协议逆向技术传统强队，国内较早的开拓者，其相关学术研究较多，基本每年都会有，2015年也没有例外。
(5)法国高等电子学院，Georges Bossert团队负责人。Netzob开源的设计者，曾在社交网络上，与之做过短暂交流，钦佩他的工具理念和算法设计，同时讨论了二进制协议逆向技术研究的新兴议题。
(6)华中科技大学，李伟明教授团队。在2010年之2013年期间，做了大量的协议逆向技术工作，主要目的是做模糊(Fuzzing)测试。目前可能已经转移了研究领域。
(7)四川核物理研究院，去年和今年发表了几篇文献，研究想法和研究思路都比较好。不知道是否会继续从事研究，如果还继续从事研究的话，那么是非常好的一件事，为协议逆向技术研究推动，贡献一份力量。很羡慕这种研究出产量高的新晋团队，实力强，人数多。
(8)郑州，舒辉老师，罗军勇老师，陈性元老师，韩继红老师。这些前辈均在国内一类期刊上，发表过相关研究。唯一遗憾的是，这些前辈可能会转移研究领域，或团队延续性中断。
(9)如有遗漏，欢迎交流。冒昧唐突，请恕原谅。
(1)可能工控安全企业会涉足吧，个人不太懂，就不议论了。
(2)帖子一枚，本人不懂Fuzzing，但是PI项目本身不是Fuzzing，却可以运用至Fuzzing里面，原因是多序列算法可以对域结构进行标记。地址：百度安全论坛，http://anquan.baidu.com/bbs/forum.php?mod=viewthread&tid=408345
(3)其他：略
仅探讨基于网络轨迹的协议逆向技术研究
(1)本科硕士博士的学位论文
截止2015年，部分尤其值得钦佩的论文，包括王一鹏等人的学位论文，非常具有学术价值，理论推导也不错。
(2)国内外期刊会议等短论文
针对上述知名团队，论文水平质量较高。呈现的特点是：a)2015年开始，在协议状态机等领域，突破进展较快较多较好。b)2015年开始，发现了协 议逆向技术与流量分类的共性问题，提出面向协议逆向技术的协议分类方法研究，成为一个分支。原因很简单，因为未知协议的分类方法很难，是无监督的，不能进 行有监督或半监督。c)2016开始，旗帜鲜明地提出二进制协议逆向技术的新兴议题。虽然二进制协议逆向不是个新问题，但是是一个新议题，尚无相关学者提出专门方法解析它。
(3)参考文献和对应工作的梳理关系图，仅供参考，不能作为严格证明材料。Attention！注意，图中甚至可能出现谬误，请自行甄别。由于时效性，没有给出更新的文献了。
(4)参考文献和对应历史时间的梳理关系图，仅供参考，不能作为严格证明材料。Attention！注意，图中甚至可能出现谬误，请自行甄别。由于时效性，没有给出更新的文献了。
(1)2011年，潘璠博士等人，协议逆向工程研究进展。是我的启蒙读物，深为感激敬佩，引领晚辈走向此路
(2)2013年，张钊等人，协议规范研究综述。思路清晰，概念总结到位。状态机的综述整理也比较新颖。
(3)2015年，吴礼发教授等人，协议状态机推断综述。专门谈状态机的，总结和梳理十分详实，阅读此文，如饥似渴，钦佩之至。
(4)2015年，刘渊等人，基于网络数据的协议逆向工程研究进展。在面向协议逆向技术的协议分类研究上，有较好的论述，将报文分类引入到协议逆向问题中来，是好思路，也是符合实际应用需求的。
(5)2015年，John Narayan等人，协议逆向工程工具综述，纯正英文文献。逻辑图表关系比较形象，作为硕士研究生入门读物，又锻炼自己的英语，是个不错的选择。:-)
(6)以上不完全列举，如有遗漏，请恕失误。
仅探讨基于网络轨迹的协议逆向技术研究
(1)面向协议逆向技术的协议分类研究
从事协议逆向技术，最致命的是前端，真实网络环境下，未知私有的协议数据到手后，可是是一团乱麻，不知道哪些是同一类的私有协议。只有牵头牵出一类私有协议的数据，才好做下一步工作。原本这一工作不属于协议逆向，但是在实际需求上产生了这一问题，因此衍生了报文分类研究。协议分类研究很早也开始了，但是不同于协议逆向问题中的协议分类，原因有很多，只谈一条最重要的，因为是无监督的分类问题，还不好评估准确程度。
(2)字段格式提取研究
在字段格式提取研究上，比较有意思的一件事。相关基于网络轨迹的研究，呈现两个特点：a)常见做文本字段的解析；b)评估方法用的是召回率这种协议分类指标，同时研究的人少。截止2015年，每年最多一篇是专门针对字段格式提取这一技术目的的研究讨论。大多研究者的思路是关键字段提取，而不是字段格式提取。两者不等价。原因是对于协议的分类或解析，有时候选取一到两个字段，就可以区别，没有必要做到字段格式的份上。相当于从百米的起始跑道，推进到百米终点，大多研究在起点位置徘徊，研究字段域结构提取，字段指纹，字段特征提取，说到最后仍然是精度不高的特征，评估时选用识别率，而不是用Discoverer中的字段区域精确评估指标。反映了，字段格式提取的工作难以突破，难度较高，在这一领域的强者，是广东中山大学，余顺争教授和罗建桢博士的研究，数学功底推导和算法设计思路均十分新颖。
(3）语义推断研究
在这一领域上，基于网络轨迹的研究稀少，原因是技术难点比字段格式提取还多。语义推断，有时候依赖于字段格式提取。当字段格式提取不顺畅的时候，语义推断也很难做下去。然而，有时候，语义推断不需要提取字段格式。这反映了两种不同的研究思路，一种是引入语义信息的先验猜测，一种是以字段格式提取为基础的语义探索。两个先后关系和上下关系不同。截止2015年，仅2010年和2014年的两三篇文献，专门探讨semantic information外，恐怕也再没见到。这一方面是后续本人研究极其感兴趣的地方。
(4)状态机推演研究
在这一领域上，广东中山大学余顺争教授和南京吴礼发教授等团队是传统强队，也有部分术语称为状态机推断研究。一般分为初始状态标注构建和状态机化简，部分研究往往涉及到协议分类研究。所以面向协议逆向技术的协议分类研究可以划入到这一研究中来，不过目前还没有讨论两者关系，期待有人能够讨论。
仅探讨基于网络轨迹的协议逆向技术研究
(1)未知协议发现
当前公开学术文献较少使用这一术语，EI收录的相关研究领域中几乎没有人使用，所以这一术语需要谨慎讨论。原因是听到若干次技术讨论，使用协议发现这一术语。问题是怎么定义协议发现，怎样的协议能叫被发现，具体公式含义尚不明确。并非是指这一术语错误，而是说，当将这一概念表述清晰，可能会引发一系列的优秀灵感。如借助异常检测理论，对未知协议发现，下形式化表达或准确数学公式的定义。还存在一种可能性，协议发现到最后，实际已经有一个术语可以概括它了。种种猜测都需要后续探索研究。
(2)字段格式提取方面
提出了二进制协议字段的新议题。因为在常见的网络环境中，如果是文本字段，直接翻译ASCII或猜测编码集，即可获得一些有用信息，再根据有用信息的利用，逐步解析剥离。但是对于二进制协议，这是常见的形态，工控领域，无线通信领域，卫星网络领域，链路传输领域，僵尸网络领域，观察到的协议数据如果协议规格不知道，大多呈现的是二进制数据状态，不知道哪儿和哪儿是字段边界，用ASCII一译码，译不出来，说明二进制协议字段的问题是个比文本协议字段解析更复杂的问题。
同时在2015年之2016年期间，有很多同行对字段格式提取的统计方法思路，做了探索。可以说是百花齐放，这是很好的一个事情，大家一起研究，一起探索，让这个领域活下去。笔者有点悲观的原因已经写在前文中了。
(3)报文分类方面
协议逆向工程的报文分类问题，一般有三方面子问题(略)，也是当前本人团队下一步要做的理论探索和实际进展工作。
(4)协议逆向和协议“正向”
很多学者都在做协议逆向，可是做协议“正向”的不多。这个“正向”不是按规格解析的意思，而是从正向上分析协议设计者在设计协议的思路，从正向上分析协议在组合时的先验分布，当前2015年有一位韩国人发表了相关研究，已知工控协议的规格，分析工控协议特点。这里不赘述了，也是本人课题组下一步要做的实际进展工作。
(1)综述类文献：已经在上面的小节中罗列了。
(2)具体技术文献：按照综述类文献，一篇篇读吧。想做以程序分析为入口的，就读指令分析序列部分。想做以Pcap包捕获数据为分析对象的，就读基于网络轨迹的协议逆向技术研究。
(3)如果是学术研究者，不是工业界者。可以考虑修这几门课：数据挖掘与机器学习，数据挖掘与统计学习，自然语言处理，生物信息学，时间序列分析，模式识别，统计学习，人工智能等。
(1)Netzob，看看前辈的平台工具，可以提高自己的眼界。
(2)编程实践工具：只是推荐而已，根据自己情况用。比较推荐Python，R，Matlab，C等。做项目用C及其变种，做学术用Python，R，Matlab。因为有些库工具比较好用，利于学术快速出成果和性能分析。
昨晚，论文成型，达成了第一版草案，至少已经不用发愁了，感慨万千。
早年时，求学游历，就已经学习过反者道之动，弱者道之用的网络信息安全对抗的哲学规律，让我对信息安全理论受用无比，受益匪浅。
古人云：文章千古事，得失寸心知。曾经腹中经纶明珠多颗，以为蒙尘，一度想束之高阁。
如今，应感谢自己生命中的恩人和贵人，尤其是感激指点我的恩师。
首先，让自己阴差阳错地走向了研究方向，尽管当年选择这个方向的时候，有一段很诙谐的经历。
然后，又一路有惊无险地度过学术研究的各种考核难关和人生生活难关。
最后，到了今天这个地方，自己都不敢想象自己会达到这样的地步，我简直是傻人有傻福，命中得遇贵人，或许就是电影里的“Stupid is as stupid does.”，十分珍惜这样的缘分命运。
读到过这样的典记，
公孙丑曰：“道则高矣，美矣，宜若登天然，似不可及也；何不使彼为可几及而日孳孳也？”
孟子曰：“大匠不为拙工改废绳墨，羿不为拙射变其彀率。君子引而不发，跃如也。中道而立，能者从之。”
引而不发，跃如也。中道而立，能者从之。这样的人生境界恐怕唯有恩师才能达到吧，愿继往后来者应倍加珍惜。
终于意识到，还有3个月，即使战战兢兢，如临深渊，如履薄冰，但是很快，又要走到一个人生路口的风雨转折点，让人悲欣交集。
就此搁笔，不知所云。
标签：
原文地址：http://www.cnblogs.com/bitpeach/p/5370918.html
