Architektur und Funktionsweise
SuperGhidra adressiert zwei zentrale Schwachstellen bei der Automatisierung von Ghidra: lange Startzeiten der Java Virtual Machine (5–15 Sekunden) und exklusive Dateisperren (.rep), wenn gleichzeitig die grafische Benutzeroberfläche geöffnet ist. Um dies zu lösen, hält das Tool eine persistente Ghidra-Instanz als Daemon (127.0.0.1:5073) im Speicher. Leseoperationen werden über einen L2-SQLite-Cache beschleunigt, während Schreibvorgänge zerstörungsfrei in ein JSON-Overlay umgeleitet werden.
Analysen ohne JVM-Abhängigkeit
Ein Teil der statischen Analyse wurde vollständig aus der Java-Umgebung herausgelöst. Aufgaben wie die Rekonstruktion von MSVC-RTTI-Klassenstrukturen oder MFC-Layouts laufen direkt über Python, SIMD-Vektorisierung via NumPy oder WGPU-Compute-Shader. Für formale Verifikationen auf P-Code-Ebene ist der SMT-Solver Z3 integriert.
Zielgruppe und Reifegrad
Das Projekt richtet sich an Reverse-Engineers, Malware-Analysten und Entwickler, die automatisierte Dekompilierung oder KI-Agenten (via MCP) einsetzen. Mit 162 Sternen und aktiven CI-Workflows zeigt das Projekt eine funktionierende Basis inklusive PyPI-Paket, bleibt jedoch ein spezialisiertes Community-Tool unter AGPL-3.0.