AI 自动化逆向三我把一个逆向项目交给了 AI它做到了什么程度本文是「AI 自动化逆向」系列第 3 篇。上一篇AI 会相信它自己上一轮写的表下一篇预告人在 AI 逆向流程里到底做什么。前言前两篇讲的都是它怎么翻车。这一篇反过来看它做成了什么。先说结论产能是真的。但这份清单的意义不只在数字——它每一条都带着凭什么信的凭据而在清单的边缘还有一圈形状很清楚的做不到这一篇也把它们摆出来。同前两篇文中AI指执行分析的模型我指设定目标、审结果的人。所有数据均已脱敏只保留量级与比例。一、先看清单我把这个项目里已经结题的成果按块列出来。每一行都处于做完了、自证过、能指到凭据的状态没有结论的、还阻塞的、正在跑的一律不在这个清单里——那些属于内部的续写区等结题才见光。块做到的程度资源容器7 个资源包、九万多个条目100% 解码、0 失败四条内部恒等式全部成立压缩与变换层两种压缩算法 一层自定义逐字节变换完全还原用空文件与已知明文向量双向自证数据表格式两百多张表头长 记录长 × 记录数 文件大小只有一张不满足——而那张恰好是另一种格式也已识别精灵像素格式定案为一种 16 位 4444 布局四条独立证据中途判错过两次最后靠语义可辨认性收口地图瓦片方形瓦片、一种 32 位像素布局一百多个文件零误差头部变长规则已解动画帧组公式直接从代码里读出可行走网格尺寸换算100% 命中七百多张解析器与此前版本共用同一条代码路径逐字节比对 8/8缩略图格式查清了它不是高度图推翻了流传的说法全量渲染0 失败文本型特效格式Lisp 风格括号表达式一千五百多个文件 100% 解析保护面量化受保护函数一百来个只占代码段约 3%形态分两类入口换头式 / 分支级静态到动态的咬合翻译表闭环验证动态命中14 个调用点全部 MATCH、0 MISMATCH动态探针工具一次布60 个点丢失检测loss 0还原后60/60 读回核验通过动态覆盖率找到了新的驱动器方向——把按输入换成按系统触发这条线后面单独讲目录阶段协议完全明文一条请求换三千多字节响应跨会话逐字节可重放上行加密链逐字节复现对捕获的密文做重算一个字节不差全语料长度规律 0 违例运行期身份判定从运行期镜像头读出实际在跑的是哪个二进制——推翻了静态分析侧的一个假设注意这份清单的两个特征。第一几乎所有行都是全量断言不是抽样。“100% 解码”“0 失败”“全部 MATCH”——这种句式放在别处可能是修辞在这里是可复跑的量词。第二清单里有好几行是推翻了既有说法才成立的缩略图不是高度图、判错过两次的像素格式、静态侧以为在跑的那个二进制不是运行时真正在跑的那个。能推翻自己是这份清单可信的原因之一不是它的缺陷。二、它是怎么干出来的规模先摆在前面上千个脚本、八十多篇专题文档——这个项目里的大多数结论都有一条对应的脚本和一条对应的文档页。工作以轮推进每轮一个明确目标做完全量回归再收口。光是上一篇那条判据链就走了六轮。几十轮自我推翻上一轮的结论被下一轮的检查干掉然后原文保留、另行更正而不是删掉了事。为什么这个规模值得单独讲因为它是 AI 的产能真正拉开差距的地方九万多个条目、七八种私有格式、一百来个受保护函数每一条结论都要配脚本、配回归、配交叉验证——同样的工作人工做要以年计它把日历时间换成了工作轮数。另外还有一条工程线拿自己重写一个能跑的对应物来验收理解——本系列只从它拿工程学比如其中一个被判作同义反复、当场作废的度量就是极好的样本不展开实现。但产能不等于可信。这份清单能成立的另一个原因是它的每一行都长得可以被机器验证要么带一条可复跑的复现命令要么带一个原文坐标文件 行号。这也是我在这个项目里一开始就立的规矩——结论可以错但凭据必须能指。三、凭什么信这份清单给用 AI 干活的人三个可以直接抄的检查1. 全量胜过抽样。“抽了 20 个都过不等于全过”。这个项目里凡是敢写百分比的地方分母都是全量全部条目、全部帧、全部文件。你可以在自己的项目里同样要求 AI——它一报百分比先问分母。2. 负结果同样结题。清单之外还躺着一批结结实实的负结论有的探索穷举之后精确闭合为零有的信号在单张样本上显著、换一批就不稳有的链条只证到了半截整链仍标 unproven有的数字缺一根时间轴永远归不了因。它们没进这份正文清单——但在内部都算结题而且和正结论一样带凭据。这个系列后面会专门讲负结果该怎么写。3. 写不出凭据的一律不换成形容词。这是项目的硬规矩一条结论如果指不到坐标、跑不出命令、给不出对照“大概”“可能”应该是都不许写——要么补凭据要么标 unproven。AI 最擅长把猜测写得很确定这条规矩就是把确定和有凭据重新绑在一起。四、结论产能是真的它把一个二进制逆向项目的可静态部分基本推到了底格式全解、保护面量化、动态打点闭环、协议阶段逐字节复现。清单上一半以上的行在AI 进场之前是这个领域里以月计的工作量。结论很简单适合交给 AI 的逆向工作量比大多数人以为的大得多。边界的形状也是清楚的同样重要的是做不到的东西形状是清楚的——有的门是穷举之后精确闭合的不是还没找到而是确认了闭合方式有的信号单样本显著、跨样本不稳统计显著不等于结构正确有的结论只证到半截这一段字节验了整条链仍然是 unproven有的数字缺一根时间轴永远归不了因有的问题答案不在这台机器上要等真实环境才能收口。这些形状不带具体项但它们让交给 AI变成一件可以计划的事你能提前知道哪些坑是 AI 用工作轮数能填的哪些坑是数据不在场、它再勤也填不了的。分工这一篇回答的是AI 做到了什么它没有回答我做错了什么、又该在哪审——那是另一半。下一篇专门讲人在这套流程里到底做什么。五、边界声明本文只讨论AI 自动化逆向中的判据设计与审核方法不涉及任何具体产品、厂商或服务的分析结论。文中所有地址、偏移、常量、字段名一律为占位符或示意值不代表任何真实目标中的取值示例代码为说明判据而编写不构成可运行的针对特定目标的工具。文中提到的比例与数字均来自作者项目内的测量记录仅用于说明方法失效的方式。请勿将本文内容用于未授权的用途。六、收尾产能是真的边界也是清楚的——剩下的问题只剩一个人在哪里下一篇计划聊人在 AI 逆向流程里到底做什么。转载请注明出处https://lizhiyong.blog.csdn.net/article/details/167813781