Reverse Engineering und Binary Exploitation (REE)

Programmen die Geheminisse entlocken: Du analysierst binäre Programme ohne Quellcode, findest heraus, wie sie funktionieren, und veränderst gezielt ihr Verhalten und nutzt Schwachstellen aus.

Inhalte

• Ziele des Reverse Engineerings
• Statische Analyse
• Dynamische Analyse
• Binäre Java Programme dekompilieren und modifizieren
• Grundlagen zu x86_64 Assembler
• Einsatz gängiger Werkzeuge des Reverse-Engineerings (radare2, Ghidra, etc.)
• Native Programme disassemblieren und dekompilieren
• Analyse von unbekannten Executables und Malware
• Patchen von nativen Programmen
• Typische Schwachstellen (Buffer Overflow, Use after Free etc.)
• Typische Angriffstechniken (ROP, Formatstring-Schwachstellen etc.)
• CrackMe und Capture the Flag (CTF) lösen
• Anti-Reversing-Strategien und Gegenmaßnahmen

Lernziele/Kompetenzen

Die Studierenden sind in der Lage,

• gängige Werkzeuge des Reverse-Engineerings einzusetzen
• unbekannte Binärdateien zu untersuchen und deren Funktion einzuschätzen
• Binärdateien zu patchen, um deren Verhalten zu ändern
• Crackmes und Capture-the-flag (CTF) zu lösen

Literatur

• Sikorski, M. and Honig, A. (2012). Practical Malware Analysis: The Hands-On Guide to Dissecting Malicious Software. No Starch Press.
• Andriesse, D. (2018). Practical Binary Analysis: Build Your Own Linux Tools for Binary Instrumentation, Analysis, and Disassembly. No Starch Press.
• Eagle C. and Nance K. (2020). The Ghidra Book: The Definitive Guide. No Starch Press.
• Yurichev, D. (2019). Reverse Engineering for Beginners. (https://beginners.re/main.html)

Dozentinnen / Dozenten

• Prof. Thomas Smits

Empfohlene Vorkenntnisse

• Programmierung 1 (PR1)
• Programmierung 2 (PR2)
• Grundlegende Kenntnisse in der C-Programmierung

Daten zum Modul

Semester	6/7
Unterrichtssprache	Deutsch
Häufigkeit	Unregelmäßig
Kreditpunkte	5
Modulverantwortlich	Prof. Thomas Smits
Dauer	1 Semester
Studienleistung	Keine
Prüfungsvorleistung	Keine
Prüfungsleistung	Continuous Assessment (CA)

Semesterwochenstunden

Vorlesung	1 SWS
Übung	3 SWS
Summe	4 SWS

Arbeitsaufwand (work load)

Vorlesung	30 h
Selbststudium	90 h
Aufgaben	30 h
Summe	150 h