obfuskator/info/evo-improvements.md

# Как сделать лучше: план улучшений для нашего обфускатора

Привязка: референс - EvoVis (`evo-obfuscation-full.md`), провалы - `evo-weaknesses.md`.
Ниже - что делаем иначе, в порядке отдачи/цены. Для каждой техники - уровень угрозы,
которую она закрывает (скрипт-деобфускатор / статический анализ / ручной реверс).

---

## A. Базовый уровень (делаем обязательно, дёшево)

### A1. Обфускация всех символов, не только типов
- Имена классов, **полей, методов, локальных переменных, параметров**, конструкторов,
  record-компонентов, enum-констант, label'ов, атрибутов `SourceFile`.
- Индивидуальный алфавит на каждый символ (см. B1), запрет ключевых слов и
  одинаковых имён в одном scope.
- Никаких «readable» ярлыков: у EvoVis `@rn(name=…)` и `description` отдали каталог
  модулей целиком. Если метаданные нужны рантайму - шифруем их (C2).

### A2. Вычистить отладочную информацию
- `-g` → `LineNumberTable` / `LocalVariableTable` / `SourceFile` / `InnerClasses`
  / `EnclosingMethod` / `MethodParameters` / `Signature` - по policy: либо полностью
  выкинуть, либо заменить на шум (см. B4).
- Ресурсы тоже часть кода: mixin-JSON, `fabric.mod.json`, access widener, service
  loaders, SPI-файлы - шифруем/шифруем имена внутри, раскрываем в рантайме.

### A3. Никаких сигнатурных имён у защитного кода
`KeyAssembler`, `RuntimeGuard`, `NativeGuard` → рандомные имена, а сам защитный код
**смешиваем с обычным** (секции, которые выглядят как мусорные утилиты).
Рефлексия по именам в открытом виде (`Class.forName("aln")`) - запрещена:
имена отдаются только из зашифрованной строки (C2), лучше - через indirection-таблицу.

### A4. Обфусцировать весь артефакт, а не только ядро
Правило: **нет незащищённого компонента**. У EvoVis лаунчер и java-agent были
открыты целиком. Пайплайн один на: основной код, агент/плагин, лаунчер/хостер,
нативная часть, ресурсы.

---

## B. Строки и константы

### B1. Пер-строчный ключ + нелинейный шифр
Вместо общего LCG:
- seed = `random_u64` на строку (храним неявно: derive из позиции/ид + master-seed);
- алгоритм выбирается из набора (3–5 схем: RC4-like, chacha-с fragments, XTEA-блочный,
  plain XOR с keystream от BLAKE3, base85+flate перед шифром) - **перемешивание схем
  между строками**, чтобы один скрипт не покрыл всё;
- AAD/MAC: `HMAC(fragment, plaintext_hash)` - повреждение ловится, подмена - тоже;
- keystream не повторяется: nonce включает индекс строки.
- **против обучения по частотам**: словарь/частотный анализ не работает, если схема
  и nonce разные.

### B2. Ключ строки выводится в рантайме, а не лежит рядом
Никаких `d(cipher, literal_key)`:
- ключ = `KDF(master_key, class_id, method_id, string_index)` либо приходит из
  защищённого контекста (см. D3);
- вычисление - через серию операций, **растворённых в теле вызывающего метода**
  (не выделенная функция `decrypt(s)` - иначе её найдут и развернут);
- мастер-секрет не в константах: собирается из нескольких мест + env/хост-фактора.

### B3. Константы - не тождества, а вычисления
Отказ от `(A^B)+((A&B)<<1)` (опознаётся regex'ом). Вместо этого:
- константа собирается из **нескольких узлов**, разнесённых по разным basic block'ам
  и разным методам (возврат частей, сложение на месте использования);
- включаем в цепочку **зависимые от окружения** величины, которые статически вычислимы
  не полностью: `hashCode()` строки-литерала, `System.identityHashCode` статической
  константы, значение поля, инициализируемого в `<clinit>`, размер массива;
- для `int`/`long`/`float`/`double` - отдельные схемы (bit-cast, разложение по
  мантиссе), потому что `double`-константы особенно заметны.
- opaque-предикаты делать **настоящими**: всегда истинные, но зависящие от состояния,
  которое статически не выводится (напр. инвариант «массив отсортирован по заполнению»,
  проверка `System.nanoTime()`-мьютекса, сравнение двух полей, всегда равных после
  `<clinit>`, но не доказуемых в CFG).

### B4. Ложная отладочная информация
Не только удалить `LineNumberTable`/`LocalVariableTable`, но и **подложить
дезориентирующие**: ложные имена локальных переменных, строки из другого проекта,
`SourceFile` с вводящим именем. Инструменты (jadx/CFR) и люди верят отладочке сильнее,
чем байткоду.

---

## C. Контрольный поток

### C1. Несколько схем флаттенинга вместо одной
Минимум набор (применять **случайно и по-разному в разных методах**):
1. **Switch по вычислимому индексу**: `table[ (x*31 ^ y) & mask ]` → адрес возврата;
   переходы через индексы, а не метки.
2. **Распределённое состояние**: как у EvoVis (`i + i2`), но одно слагаемое -
   из поля объекта/статики, второе - из параметра, обновление - через вызов метода;
   **метки case не константные**, а пересчитанные (opaque).
3. **Бинарное дерево/бабочка**: вместо линейного списка состояний - рандомизированный
   граф переходов, эквивалентный исходному CFG (проверяется верификатором).
4. **Вызов через стек/ретурн-адрес**: эмуляция `goto` через `athrow`-как-прыжок
   (exception-as-goto), `finally`-цепочки, или virtual-dispatch по фейковому интерфейсу.
5. **Прячем тела блоков**: каждый блок зашифрован и раскрывается по очереди
   (см. D2), чтобы деобфускатор не мог читать тело, не эмулируя VM.

### C2. Обфускация CFG должна сохранять семантику → нужен верификатор
Условие приёмки: **анализ эквивалентности до/после** (структурный: разбор в SSA,
сравнение支配-графов; либо выполнение тестов на эталонных программах).
Плюс автоматические метрики (см. F).

### C3. Реальный объём ≠ раздувание
У EvoVis выигрыш - только в размере декомпилята, но и цена (читаемость для нас же).
Оптимальнее: комбинировать обфускацию с **компиляцией в другой целевой код**
(см. E), где раздувание не надо - там и так нечем читать.

---

## D. Уровень «нужно эмулировать, а не читать»

### D1. Маленький VM / interpreter для критичных кусков
Свой bytecode (10–20 опкодов: арифметика, ветвление, вызов, доступ к полю),
инструкции в зашифрованном массиве, диспетчер - обычный код с обфусцированным CFG.
Экспортируем в VM только чувствительное: лицензирование, ключи, критическую логику.
Это единственный уровень, который реально останавливает ручной реверс.

### D2. Раскрываемое по шагам тело (split-function / function-splitting)
Метод делится на фрагменты (по basic block'ам), каждый зашифрован отдельно,
порядок выполнения задаётся таблицей. Деобфускатор обязан строить CFG, прежде чем
увидит хоть строку.

### D3. Анти-анализ в рантайме (мягкий)
- self-check целостности: `SHA-256` своих классов/секций → при расхождении
  **меняем поведение**, а не падаем (у EvoVis падение выдавало мусорный ключ -
  правильно: не сообщать атакующему, что он пойман);
- детект отладчика/трейсера/инструментов эмуляции - реакция: ложные данные,
  замедление, отключение функций;
- **не детектить и не ломать легитимные сценарии** (обновления, IDE, символы) -
  ложные срабатывания дороже, чем польза защиты.

### D4. Честный anti-tamper, а не «зашейрь ключ»
У EvoVis сильная идея: ключ = изолированная доля в подменённом JVM + HMAC от hwid +
порча при детекте. Минус - вся схема работает только на своём окружении и падает
на другой ОС/сборке. Для нас: секрет должен переживать **наши** легитимные платформы,
а ломаться только при модификации кода/подмене целостности.

---

## E. Если цель - не JVM, а свой натив/Rust-бинарник

Референс JVM-слабости здесь не работают автоматически, но появляются свои:
- **строки**: все plaintext-строки в `.rodata` - шифровать, раскрывать лениво;
  не держать AES-ключ рядом с шифротекстом (та же ошибка, что у `awc.d`);
- **имена**: `stripped` бинарник + рандомизация символов; в Rust - макрос, который
  переименовывает `pub`-символы и убирает `#[doc]`/Debug-имена;
- **panic/Debug-вывод**: `{:?}` отдаёт имена типов и полей - для чувствительных типов
  свой `Debug`, либо не выводить;
- **CFG**: обфускация на уровне MIR/LLVM-IR (passes): bogus control flow, flattening
  на `switch` по вычисленному индексу, вставка недостижимых блоков, размытие
  границ функций (inlining + outlined);
- **константы**: как B3, плюс вынос в вычисляемые таблицы;
- **анти-анализ**: `ptrace`-selfcheck, проверка `/proc/self/maps` на свои секции,
  timing-checks; реакция - молчаливая порча данных;
- **обфускация метаданных Rust**: `TypeId`/`Any`, `std::any::type_name`, логи
  `tracing` - выключать в release.

---

## F. Метрики качества (обязательно, иначе «обфускация есть» ничего не значит)

Автотесты на каждую технику, гоняются в CI:

1. **Утечки имён**: `strings`/анализ констант - не должно остаться ни одного
   осмысленного идентификатора из списка-эталона (ошибка = фейл).
2. **Читаемость декомпилята**: прогнать JADX/CFR на собранный артефакт →
   метрики: доля распознанных структур (try/catch, switch, циклы), доля классов
   с восстановленными именами, число строк «смыслового» кода.
3. **Автоматический деобфускатор-противник**: минимальный скрипт-анализатор
   (тот же `expr`-свёртка, regex на паттерны) - если он снимает >X% строк/констант,
   техника провалена. Держим этот «красный список паттернов» в репозитории.
4. **Семантика**: тесты/эталонные программы до и после - 100% совпадение.
5. **Размер и скорость**: бюджет (≤ N% размера, ≤ M% времени исполнения),
   отдельно - бюджет на рантайм-раскрытие строк (кэш, чтобы не платить на каждый вызов).
6. **Стабильность между сборками**: имена/схемы меняются от билда к билду
   (у EvoVis шифр один на все версии - окно для обучения).

## Приоритет

1. A1+A2+A4 (символы, отладка, всё артефакты) - дёшево, biggest leak у EvoVis.
2. B1+B2 (пер-строчные ключи, вывод ключа) - снимает главный провал `awc.d`.
3. C1 несколько схем флаттенинга + C2 верификатор.
4. F метрики - чтобы не спорить на глаз.
5. C3/E (другой целевой код) - как долгосрочный путь.
6. D1 VM - только для действительно ценных кусков, остальное не оправдывает цену.