找回密码
立即注册
搜索
发回帖 发新帖

6780

积分

0

好友

854

主题
发表于 昨天 05:21 | 查看: 10| 回复: 0

逆向工程是在缺少源代码或设计文档时,通过分析程序文件和运行过程,弄清软件如何工作。常见方法有两类:静态分析直接阅读机器码和反编译得到的伪代码;动态分析则在程序运行时查看断点、内存和调用关系。

大模型可以协助搜索线索、解释代码和生成重建代码,但它的猜测仍需工具核对。围绕这些任务,七个开源项目采用了不同的技术路线。它们可以独立使用,并不构成必须依次执行的统一流程。

七条逆向工程路线总览:从静态分析、动态调试到行为重建与平台迁移

GhidraMCP 和 x64dbg-mcp-server 分别提供静态与动态观察,REA 将多种观察组织成持续调查;Craft Anything 和 Co-op Anything 将观察用于重建与定向改造;Reverify 检查模型声明;TotK Recomp 则独立处理平台迁移。图中箭头表示技术配合关系,实际任务可以只采用其中一条路线。

阅读这些项目时,可以重点关注三个问题:观察结果如何保存,修改如何落到具体代码,以及测试如何发现错误。

一、七个项目的不同技术路线

把目标程序交给大模型,再配几个反编译工具,并不等于完成了逆向工程。

模型可能把不存在的字段、函数参数和调用关系说得十分肯定;反编译器生成的 C 伪代码不保证变量类型和函数边界正确;调试器能展示运行状态,却难以独自回答整个系统如何组织;重建项目即使做出相似界面,也可能在关键行为上偏离原程序。

七个项目选择了不同的切入点:

  • REA 负责衔接多种分析工具。 它把目标文件、结果来源、已检查范围和未知项放进同一份调查记录,减少不同工具和目标的结果混用。
  • GhidraMCP 处理静态分析。 Ghidra 维护函数、数据类型和交叉引用;模型通过 GhidraMCP 逐步搜索、重命名和补充注释,无须一次读完整个程序。
  • x64dbg-mcp-server 处理动态分析。 模型设置断点后,可以读取寄存器、内存和调用栈,用运行状态核对静态分析得到的猜测。
  • Craft Anything 面向软件重建。 它观察原程序的页面、操作和文件行为,生成新实现,再用相同操作比较差异,逐轮修改。
  • Co-op Anything 面向单机游戏的联机改造。 它寻找角色创建、位置更新、NPC 行为和任务进度等状态,再确定状态由哪一端修改、其他客户端如何接收。
  • Reverify 负责检查分析结论。 模型提出字节、指令或函数行为的声明,工具读取原文件、模拟执行或比较输入输出,给出确认、反驳或无法判断的结果。
  • TotK Recomp 处理整程序的平台迁移。 它将 Switch 的 ARM64 机器码转换为 PC 上的 x86-64 代码,同时适配原有系统服务和图形接口。

比较这些项目时,工具数量和 Star 数不足以说明路线差异。更有用的判断标准是:它观察什么、如何表示观察结果、允许对原程序做什么,以及如何检查结果。

二、REA:组织多种分析工具

项目地址:https://github.com/morluto/rea

REA(Reverse Engineer Anything)是一套面向二进制、应用程序和运行时行为的 MCP 逆向工具。它让 AI Agent 在没有源代码的情况下检查目标功能、追踪相关代码,返回结论所依据的证据与限制,并进一步协助实现和测试相似功能。

项目可分析原生二进制、JavaScript/Electron、.NET、网站和 Android 等目标;深度原生分析可接入 Hopper、Ghidra、IDA 或 Kuna。分析在本地运行,同一套能力也可通过终端调用。

2.1 多种分析工具难以衔接

一次二进制调查通常横跨多种工具。分析人员先用格式解析器确认文件结构,再用 Ghidra、IDA 或 Hopper 查找函数,通过交叉引用缩小范围,必要时启动 Frida、GDB 或 LLDB 观察运行行为。

这些工具使用不同的地址、名称、会话和结果格式。Agent 如果只是依次调用工具,容易把 Ghidra 的地址直接交给另一个引擎,把静态引用当成真实运行路径,或者在一个引擎失败后换用其他结果,却没有说明来源已经改变。

REA 首先要处理的就是这些工具之间的衔接。

2.2 固定分析目标并保留结果来源

REA 在 Agent 与分析引擎之间放置了会话和能力组合层。打开目标后,BinarySession 将调查绑定到明确的文件和分析配置;深度分析引擎由注册表按已声明能力确定。项目文档说明不会静默降级:Ghidra 不可用或某项分析失败时,系统不能把另一引擎的结果混进来,假装原查询已经成功。

后续伪代码、指令、类型、调用关系和动态观察都应指向同一个目标快照。结果还要带上来源、覆盖范围和未知项,形成可持续追加的调查记录。

REA 持续调查架构:会话关联静态分析、动态观察与证据记录

REA 的关键抽象是一份调查状态:当前分析的是哪份文件,哪个引擎给出了哪条观察,哪些路径已经检查,哪些结论仍然未知。它的能力组合文档也将静态能力声明和运行时绑定分开,避免仅为列出功能就提前启动所有引擎。

REA 在 Hopper 中分析 Mach-O 二进制文件的界面

上图是项目 README 中的示例,以 /usr/bin/true 为目标。左侧显示代码节和函数的反汇编过程,右侧列出文件与地址信息,底部可见 REA 分析脚本已运行。截图展示了与现有分析器的连接方式,不代表后续结论的正确率。

2.3 关联静态分析与动态观察

返回一段伪代码并不难,难的是把字符串、函数、调用边、界面资源和运行时断点串成可追查的路径。

例如,分析人员想理解一次按钮点击如何触发网络请求。静态分析可以先定位界面事件处理函数,再沿调用图找到候选网络函数;动态观察则在目标函数入口记录参数和调用栈。两边结合,才能判断某条静态路径是否在这次操作中实际执行。

REA 的原生调查文档区分了静态可达与实际运行:静态引用为空,不能推出运行时没有访问;反编译得到的调用目标,也不能直接当成动态分发结果。

2.4 适用范围与限制

REA 提高了调查的连续性,但没有消除底层分析器的不确定性。函数边界识别错误、间接调用解析失败、混淆代码和未知数据结构,仍需要分析人员或后续验证工具处理。

它负责组织观察并保存调查记录。某段代码究竟实现了什么,仍要靠具体分析和验证。

三、GhidraMCP:操作静态分析数据库

项目地址:https://github.com/LaurieWired/GhidraMCP

GhidraMCP 是连接 Ghidra 与大模型的开源 MCP 服务器,目标是让 LLM 能自主开展逆向工程。它将反编译、函数检索、字符串与导入查询、交叉引用、数据类型和重命名等能力暴露为工具,使模型能够逐步搜索、阅读和标注程序。

项目包含 Ghidra 插件与 Python 桥接层,也提供 PyGhidra 无界面集成,支持交互式客户端和自动化分析流程。

3.1 持续操作静态分析状态

让模型一次性阅读整个二进制通常不可行。大型程序包含大量函数、字符串、类型和交叉引用,全部导出既占用上下文,也容易让重要线索淹没在无关代码中。

人工使用 Ghidra 时,会不断搜索、跳转、重命名和补充类型。每一步都会影响后续阅读效率。GhidraMCP 的思路是把这套交互式分析过程开放给 Agent。

3.2 小步查询并修改分析数据库

GhidraMCP 的经典结构由两部分组成:Java 插件运行在 Ghidra 内,直接访问 Ghidra API 并启动 HTTP 服务;Python 桥接层把 MCP 请求转换成对插件的调用。项目还提供基于 PyGhidra 的无界面路径,让自动化任务可以脱离图形界面运行。

Ghidra 已完成的反汇编、反编译、符号和交叉引用分析会保留下来。Agent 可以持续查询和编辑分析数据库,无须直接处理全部原始字节。

典型调查过程如下:

  1. 按字符串、导入表或字节模式寻找候选位置。
  2. 读取相关函数的伪代码和交叉引用。
  3. 给函数、变量和类型重新命名。
  4. 根据新名称继续扩大分析范围。

重命名看似只是辅助功能,实际很重要。它把模型形成的理解写回数据库,后续查询就不必反复解释 FUN_00401230 的用途。分析状态开始积累,Agent 的工作区也从当前对话延伸到 Ghidra 项目。

3.3 形成带注释的程序结构

GhidraMCP 适合回答“程序由哪些部分组成,它们如何关联”。输出可以是带名称的函数清单、一组数据结构、一条调用路径,或对某个算法的解释。

它并不直接执行程序,也不天然知道某个条件在真实输入下是否成立。伪代码中的类型和调用关系来自分析器恢复,可能包含误判。Agent 若把伪代码当成原始源码,错误可能随着重命名和总结进一步固化。

因此,GhidraMCP 的价值是把静态分析变成可交互过程;高风险结论仍需要动态观察或确定性检查。

四、x64dbg-mcp-server:控制动态调试

项目地址:https://github.com/duty1g/x64dbg-mcp-server

x64dbg-mcp-server 将 Windows 调试器 x64dbg 接入 MCP,让兼容的 AI 客户端直接控制真实调试会话。

项目采用 Zig 编写原生插件,在 x64dbg 进程内提供 HTTP 和 JSON-RPC 服务,开放断点、单步执行、寄存器、内存、线程、模块与调用栈等能力。模型可以围绕具体输入设置实验、观察状态变化,再结合调试事件继续分析。

4.1 补充静态分析缺少的运行状态

静态分析擅长描述程序可能怎样执行。遇到间接跳转、运行时解包、动态对象和复杂初始化时,仅有伪代码往往不够。分析人员还需要知道断点是否命中、此时参数是什么、谁修改了某块内存,以及调用栈从哪里来。

x64dbg-mcp-server 选择把这些问题直接交给调试器回答。

4.2 通过插件控制调试器

原生插件加载进 x64dbg 后直接解析调试器 API,并在后台线程提供 HTTP 与 JSON-RPC 服务。MCP 工具最终映射到断点、单步、内存读写、寄存器、线程和调用栈等操作。

插件位于 x64dbg 进程内部,不需要通过外部脚本模拟界面操作。Agent 发出 StepOver 或读取内存的请求后,收到的是调试器当前状态;断点、异常和模块加载等事件也能进入后续分析。

例如,静态分析找到三个可能解析配置的函数后,可以分别设置断点并打开一次配置文件。命中的函数才是本次路径上的候选;继续读取参数和返回值,可以确认输入缓冲区、解析结果和错误分支。

若目标是寻找某个字段的写入者,硬件写断点通常比逐个阅读引用更有效。字段一旦改变,调试器停在写入指令附近,调用栈再给出上层业务路径。

4.3 记录特定条件下的状态变化

这条路线的输出是一组带条件的观察:在某个输入和时刻,寄存器、内存、线程与调用关系发生了什么变化。

它可以纠正静态分析的错误,却只能覆盖实际执行到的路径。没有触发异常输入,就看不到对应分支;换一批数据,对象地址和分发路径也可能改变。一次命中不能自动推广为函数在所有场景下的行为。

动态调试还会改变程序运行环境。时延、断点和内存修改可能影响多线程时序,因此需要记录实验条件。

五、Craft Anything:按原程序行为迭代重建

项目地址:https://github.com/storytold/craft-anything

Craft Anything 是一个本地桌面应用,尝试通过示例重建网站、桌面软件和游戏。用户给出目标后,Agent 先研究外部行为或内部实现,再生成候选项目,通过截图、自测和相同操作比较差异,随后继续修正。

项目将流程概括为 Study、Build、Check、Refine,并提供 Clean room 与 Deep 两种模式:前者限制在公开可见信息,后者允许读取代码、文件和反编译结果。原目标始终作为对照参照。

5.1 从分析结果走向可运行实现

不少逆向任务最终需要一份新实现。仅知道原程序有哪些函数还不够,重建者还要确定页面如何布局、操作产生什么结果、文件如何保存,以及异常情况如何处理。

Craft Anything 将这一过程组织成四步:研究原目标、生成新项目、比较二者,再根据差异继续修改。

5.2 分离观察、生成与对照

Clean room 只使用访客可见的页面、截图、文字、布局、颜色和交互结果,不读取原程序内部代码;Deep 则允许读取文件、JavaScript 和反编译结果等内部信息。

两种模式共享同一个重建逻辑:从原目标取得可检查的事实,让编码 Agent 按这些事实生成软件,再通过对照结果指出下一轮修改位置。

Craft Anything 的 Study、Build、Check、Refine 迭代重建流程

关键的中间产物是“可比较的规格”。网页可以在多个屏幕宽度下比较布局和截图;游戏可以运行自测;应用可以执行相同操作并观察结果。原程序成为测试参照,生成代码则是待修改的候选。

Craft Anything 检查示例网站的布局与相似度结果

项目 README 的示例使用 example.com。Check 指出 /about 在 390 像素宽度下出现横向溢出,实际内容宽 412 像素;起始页和 /about 的相似度分别显示为 96% 和 91%,项目整体显示为 93%。这些数字只反映该示例当次的检查结果,不能作为其他网站的平均重建效果。

第一版不需要完整,只要差异能够具体定位,后续轮次就有明确输入。

5.3 用对照用例检查行为差异

截图相似只能说明部分视觉结果接近。两个程序中的按钮可能长得一样,点击后的状态更新、数据持久化和异常处理却不同。

因此,行为重建的质量很大程度上取决于对照用例。只覆盖首页和正常流程,重建容易停留在表面;将菜单、输入、边界条件、文件读写和状态切换纳入场景,才可能更接近真实行为。

Deep 模式可以提供更多内部线索,却不能替代运行对照。读到一段算法,不等于新实现已经正确处理所有输入。Craft Anything 也将部分应用和游戏行为检查列为仍在完善的能力。

它更适合能够设计外部观察和对照用例的目标。内部一致性要求很高、状态空间很大或行为难以自动触发时,重建成本会迅速上升。

六、Co-op Anything:联机改造中的对象控制与状态同步

项目地址:https://github.com/cranebeaker/coop-anything

Co-op Anything 是一套给单机游戏增加合作联机能力的 AI 工作手册与技能集合。它先识别游戏引擎、模组入口和可用调试条件,再按目标选择脚本扩展、模组加载器、运行时补丁或原生 Hook。

项目将玩家对象、AI、物理、任务进度、关卡切换与存档视为重点调查对象,并提供状态同步、机器人客户端、延迟与丢包测试等实践。通用部分主要是调查顺序和验证方法,具体修改仍需针对每款游戏完成。

6.1 定位联机改造所需的状态路径

给单机游戏增加合作联机,不要求先重写整个引擎。分析人员需要找到几条关键路径:玩家对象如何创建,位置和动画由哪里更新,NPC 由谁模拟,任务进度存在哪里,以及关卡切换和存档如何改变状态。

Co-op Anything 将逆向目标直接绑定到联机改造:先识别引擎和已有模组条件,再选择脚本、模组加载器、运行时补丁或原生 Hook。能利用现成源码和引擎网络能力时,就不必深入机器码。

6.2 控制远端角色并明确状态所有权

第一名远端玩家通常通过“替身”进入游戏:本地创建一个人物对象,断开它原本的输入或 AI,再用网络收到的位置、旋转、动画和装备状态驱动它。

这一步会暴露许多底层问题:对象由哪个函数创建,引擎何时回收它,动画图需要哪些输入,位置是真正的数据源,还是每帧重新计算出的副本。逆向在这里直接服务于对象控制。

玩家能够互相看见以后,还需要处理状态一致性。两个客户端若同时运行同一个 NPC 的 AI,血量和位置很快会分叉。项目因此强调实体所有权:通常由主机运行 AI 和物理,客户端提交输入或命中请求,主机确认后广播结果。

任务和剧情也需要统一的状态存储。若任务阶段、全局标志和事件标志集中写入同一个存储,就可以拦截写入、由权威端复制;新玩家加入时先发送完整快照,再发送后续增量。

这条路线的核心程序地图是一张状态表:每类对象在哪里、由谁修改、谁拥有最终决定权,以及其他客户端如何得到结果。

Co-op Anything 联机改造中的权威端与客户端状态同步

6.3 检查多客户端状态是否一致

单客户端运行正常,无法证明联机正确。项目使用机器人驱动真实游戏客户端,配合状态比较、延迟和丢包注入,寻找第一次分叉的位置。

若两端只是“看起来差不多”,仍可能在战斗、任务或关卡切换时出现差异。只有关键状态能够比较,问题才可以缩小到某条消息、某次所有权交接或某个未同步字段。

局限也很明确:每款游戏的对象模型和状态组织不同,一款游戏中找到的地址和 Hook 很难直接复用。通用部分主要是分析顺序、同步模型和测试方法。

七、Reverify:验证模型提出的逆向结论

项目地址:https://github.com/2akouwu/reverify

Reverify 是面向 AI 逆向工程的验证层。它要求模型把分析结论写成机器可检查的声明,再用字节检查、反汇编、模拟执行、调用关系分析、行为等价测试和 Z3 等工具给出裁决。

结果可以确认、反驳或保持不确定,并记录到按二进制哈希区分的调查账本。项目还为声明引入信息权重,降低重复结论和常见模式的收益,避免系统靠大量简单检查制造已经理解程序的假象。

7.1 检查模型解释是否与程序一致

二进制分析中,模型容易根据经验补全缺失信息:看到函数入口,就套用常见序言;看到几个相邻字段,就猜出结构体布局;看到一段算术,就给出简洁算法。

这些解释可能合理,也可能与原文件字节冲突。Reverify 负责检查模型解释,避免未验证的结论直接进入最终结果。

7.2 用工具裁决声明并返回反例

Reverify 要求模型先给出机器可检查的声明,例如某个偏移处有哪些字节、某段指令包含哪些操作、某个函数调用了谁,或者模拟执行后寄存器应得到什么值。

确定性工具随后读取原文件、反汇编、模拟执行或分析调用关系,返回 VERIFIED、REFUTED 或 INCONCLUSIVE,并附上实际观察。模型可以根据反驳修改声明,不能用语言上的信心覆盖工具结果。

对于重实现任务,检查可以进一步变成行为比较:给原函数和候选函数同一批输入,比较输出;若不一致,返回具体反例。对于能够形式化表达的等价关系,还可以使用 Z3 检查所有输入,而不仅是抽样测试。

观察到字节、测试通过若干输入、证明某类表达式等价,都是有用的结果,但它们的证明范围不同。

Reverify 反驳并修正 kernel32.dll 函数入口声明的演示

项目 README 的演示先给出 kernel32.dll 入口序言的常见猜测。工具读取实际指令后返回 REFUTED,并列出 mov [rsp+8], rbx ; push rdi ; sub rsp, 0x20。模型按反馈修改声明后,结果变为 VERIFIED。原图底部是早期 19 个 DLL 的演示结果,应与下面的测试分开阅读。

Reverify 0.10.0 对 71 个 Windows PE 文件的函数入口声明测试

根据项目 BENCHMARK.md 的 Windows 11 参考记录,在 reverify 0.10.0、capstone 与 lief 环境下,71 个 PE 系统文件中有 69 个不符合常见的入口序言猜测;错误声明被判为 VERIFIED 的次数为 0;经过一轮工具反馈后,71 个文件都能复述出实际入口字节。

97% 只对应这类入口猜测,不能推广为模型在所有逆向任务中的错误率;0/71 也不表示误判率恒为零,其 95% 置信上界为 5.1%。

7.3 过滤信息量较低的验证结果

只要声明足够简单,就容易全部通过。例如,确认文件以 MZ 开头,并不能说明分析人员真正理解了程序。

Reverify 因此引入信息权重。重复声明、常见模式和到处都能匹配的内容,即使验证通过,也只得到较低权重。系统优先保留正确且能提供新信息的内容。

验证结果还会写入按二进制哈希区分的账本,记录已经确认和已经否定的事项。长时间分析或上下文切换后,模型可以从记录继续,减少重复提出同一个错误猜测。

7.4 明确验证范围与结果等级

任何验证都只能覆盖被表达出来的声明。检查过函数入口,不能证明整个函数理解正确;一百个输入测试通过,也不能覆盖全部状态。

底层分析引擎同样可能出错。Reverify 对 angr 恢复的函数边界、调用图和交叉引用使用较低的 DERIVED 等级,没有将其包装成直接字节事实。工具给出的结果也有不同的推导层次。

Reverify 的核心价值是约束结论进入报告的方式,并没有替模型自动完成逆向。

八、TotK Recomp:静态重编译与平台依赖迁移

项目地址:https://github.com/valentderah/totk-pc-recomp

TotK Recomp 是《塞尔达传说:王国之泪》的非官方 PC 静态重编译项目,目标是将 Switch 版 ARM64 程序转换为 Windows 和 Linux 上的 x86-64 原生应用。

项目将游戏模块中的访客函数提升为 C,再编译到宿主平台,同时实现 Switch SDK、少量系统 IPC 和 NVN 图形接口的宿主替代。运行需要用户合法取得的原版游戏文件;仓库本身不提供游戏内容。工程与特定游戏版本、ABI 和系统服务紧密关联。

8.1 同时处理指令与平台依赖

TotK Recomp 选择静态重编译:在运行前把访客 ARM64 代码转换为 C,再编译到目标平台。

这条路线没有通用 Agent 接口,也不要求模型逐个解释函数。它追求系统性的指令转换,尽量让整份程序通过同一条工具链处理。

但指令翻译完成后,游戏仍不能直接运行。原程序还会访问 Switch 的内存、线程、文件、系统服务和 GPU。静态重编译的工作因此包括两部分:恢复指令语义,并重建外部依赖。

TotK Recomp 的 CPU 指令、系统服务与图形接口迁移流程

CPU 通道把 ARM64 函数提升为 C,再编译成 x86-64 代码;系统通道将 Switch SDK 和 IPC 请求接到宿主服务,同时保留线程与内存约束;图形通道将 NVN 命令重放为 Vulkan。CPU 翻译正确仍不足以保证运行,系统时序和 CPU、GPU 数据同步也必须成立。

8.2 转换函数调用与寄存器状态

根据项目架构文档,项目处理 main、sdk 和 subsdk0 等模块,为每个访客函数生成对应的 C 函数。

直接调用可以转换成目标 C 函数调用。间接跳转没有固定的源码级目标,因此通过地址表和 rt_dispatch 查找目标,再进行尾调用。跳转表恢复是难点之一,它决定了 switch、虚调用和函数指针等控制流能否正确落地。

寄存器也不能简单地全部放进一个公共 CPU 状态结构。项目尽量把常用寄存器和状态标志保存在 C 局部变量中,只在调用、系统服务和退出等必要位置写回,以降低生成代码的开销。这要求准确保留调用约定和寄存器可见性。

生成结果还要与指令模拟器做差分测试:对同一指令类别和输入状态,比较提升后的实现与参考执行结果,尽早发现标志位、宽度和 SIMD 语义错误。

8.3 在宿主平台重建系统服务与时序

游戏原先通过 nn::* SDK 函数和少量 IPC 服务使用操作系统能力。项目在 SDK 边界接入宿主实现,将文件、时间、账号、音频和输入等请求转到 Win32、SDL3 或其他宿主库。

内存方面,访客地址被保留为宿主可访问地址。图形后端还需要知道哪些内存页自上次上传后被 CPU 修改,因此使用写观察功能同步游戏内存与 GPU 数据。

线程调度更容易被忽略。游戏假定自己运行在具有特定核心数量、亲和性和优先级规则的 Switch 系统上,并按这个假设使用每核心数据。宿主如果直接让所有线程自由运行,可能破坏原程序依赖的互斥关系。

项目因此模拟虚拟核心、优先级抢占和自旋等待,把原有时序约束一起迁移。

8.4 将 NVN 图形命令转换到 Vulkan

游戏使用 Switch 的 NVN 图形接口记录命令。TotK Recomp 保留 NVN 前端,在提交命令时重放为 Vulkan 命令,同时处理纹理布局、内存池、着色器和渲染管线。

这里也存在语义和时序问题:CPU 写过的资源要上传到 GPU,GPU 写回的结果要在 CPU 读取前同步;游戏提交后可能很快改写 uniform 数据,后端为每帧保存快照,可以避免后续绘制读到另一个对象的数据。

静态重编译不能简单概括为“ARM 转 x86”。它需要恢复三种对应关系:指令到指令、操作系统服务到宿主服务、GPU 接口到宿主图形接口。

它的优势是整份程序可以沿统一管线迁移,运行时无需逐条解释指令。代价是工程与具体版本、ABI 和系统服务紧密绑定,未覆盖的边界可能表现为崩溃、花屏或难以复现的时序错误。

九、七条路线的对比与配合

这些项目没有单一的高低关系。它们各自独立,处理的对象和成功标准不同。某些任务可以组合使用,但不要求按固定顺序依次执行。

七个逆向项目的处理对象、中间产物与成功标准对比

如果按一次完整任务来理解,GhidraMCP 和 x64dbg-mcp-server 提供基础观察,REA 负责组织,Co-op Anything 和 Craft Anything 把观察用于改造或重建,Reverify 检查局部结论,TotK Recomp 则提供一种绕开逐函数人工理解的系统迁移方法。

实际项目中,它们也可以互相补位:REA 可以接入静态和动态工具;Craft Anything 的重建结果需要行为对照;Co-op Anything 可以把 Reverify 式的反例思想用于多客户端状态检查;静态重编译同样依赖指令差分测试。

十、这些路线的现有限制

  • 覆盖范围有限。 静态工具能列出大量可能路径,动态工具只看见已经执行的路径,行为重建只检查写进用例的场景。任何一类观察都不能自动代表整个程序。
  • 高层语义仍需恢复。 字节可以被准确读取,指令也能被准确模拟,但“这个字段表示任务阶段”“这个对象拥有 NPC”“这组消息表示加入世界”仍属于更高层解释。项目可以把解释写成代码和测试,却很难仅靠格式解析自动获得。
  • 等价标准各不相同。 界面相似、输出相同、状态收敛和指令等价是不同要求。重建网页时,视觉差异可能最重要;迁移游戏时,内存、线程和 GPU 时序都不能少;验证函数时,找到反例可能比生成一段看似合理的证明更有价值。

评价一个逆向项目时,可以先追问它把哪一步变成了可计算、可保存、可复查的过程。工具数量只能说明它能调用多少程序,不能说明它是否解决了真正的困难。

这七个项目有一些共同做法:让观察保留来源,让实验记录条件,让改造围绕明确状态,让重建接受对照,让结论允许被判错。大模型可以加快搜索和代码生成,最终仍需要这些工程约束,才能把分析转化为可信结果。

来源

转载请联系原公众号获得授权。




上一篇:Gemini 4 Hydrogen 发布:对标 Claude Sonnet 5.5,速度快且免费
下一篇:Web 出海还有机会吗?聊聊建站、收录和海外收款
您需要登录后才可以回帖 登录 | 立即注册

关闭

站长推荐上一条 /1 下一条

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-11-20 04:41 , Processed in 0.076087 second(s), 43 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表