AI-Assisted Reverse Engineering
AI-assisted reverse engineering 是把 AI agent 接到 Ghidra、IDA、Hopper、decompiler、browser observation 或其他分析工具,讓 agent 代替人執行檔案探索、函式追蹤、行為比對與重建驗證。重點不是讓模型憑記憶猜原始碼,而是把逆向調查變成一個有工具、有證據、有未知項目與可重播驗收的 workflow。REA(rea-reverse-engineer-anything)是這種形狀的代表性開源專案。
五個可重用判準
1. 專業能力被封裝成 dependency
傳統逆向工程需要熟悉反組譯器、符號、呼叫關係與機器碼。agent 接上分析工具後,使用者可以用自然語言提出「追查這個行為、比較兩個版本、找出 crash 原因」的目標;專業知識沒有消失,而是被封裝成工具、prompt、MCP contract 與驗證流程。這是能力入口下降,不是逆向工程本身變得不需要專業判斷。
2. 產品功能可以被當成教材,但必須區分觀察與重建
對沒有原始碼的 App,agent 可以先觀察檔案、模組、呼叫與執行行為,再解釋功能如何運作,最後在自己的專案裡用不同技術重建類似能力。這條路徑可寫成:
inspect → explain → implement → test
「做出類似功能」不等於複製原始實作,也不代表相同的使用者體驗、資料、服務端邏輯或授權狀態已經被重現。
3. Evidence-first 比答案-first 更重要
AI 逆向工具的核心輸出契約應至少包含四部分:
- Observation:工具直接看到的檔案、指令、symbol、reference、runtime event 或測試結果。
- Inference:根據觀察推導的行為解釋或可能的設計意圖。
- Unknown / limitation:工具看不到、無法解析、尚未重現或不確定的部分。
- Evidence / replay path:證據編號、檔案位置、呼叫鏈、snapshot、測試或可重跑命令。
這和 agent-trace-observability 的 trace → eval 閉環一致:重要結論不能只保留最後一段自然語言,還要能回查工具結果與驗收條件。REA 的 DX-Ball showcase 進一步把重建結果連到原版 test cases 與 compiled bytes;可重用的原則是 claim → evidence → test → limitation,不是把單次模型輸出當成事實。
4. 可複製面與不可複製面不同
使用者端可取得的畫面、操作流程、前端程式與內嵌演算法,通常比服務端更容易被觀察與重建。排序/推薦邏輯、累積資料、使用者網路與只存在伺服器上的 business logic,則不會因為 App 被拆解就自動暴露。這表示 AI 降低了功能模仿的時間差,但產品差異化仍可能來自 server-side data、部署能力、使用者關係與比競爭者更快的迭代。
5. Technical capability 不等於 authorization
逆向分析的技術可行性與法律/契約/倫理上的可做性是兩個不同判斷。應優先分析開源程式、自己擁有的資產,或已取得明確授權的目標;使用第三方 App、登入網站、網路封包、韌體或 runtime capture 前,必須自行確認 license、terms、著作權、機密性、隱私與測試授權。工具不會替使用者自動完成這個判斷,也不能把「能讀到」當成「有權使用」。
Model-harness fit
同一個逆向任務可能因模型不同而成功或失敗:影片提到較舊模型曾無法完成 Sony 耳機 App 的案例。這支持 model-harness-fit 的一般判準:評估單位應是 model + analysis tools + prompt/MCP contract + task distribution + verification,而不是只看模型名稱或單次 demo。
和 AI Ark 知識庫的連結
- agent-trace-observability:保留工具呼叫、觀察、推論、未知與測試結果,讓逆向分析可以回查與轉成 eval。
- chain-of-evidence-autonomous-research:把 claim、artifact、code 與獨立驗證綁成 evidence chain。
- agent-sandbox-architecture:runtime capture、第三方檔案、登入狀態與 credentials 需要隔離與最小權限。
- agent-experience:工具輸出要讓 agent 看得懂下一步、限制與錯誤,而不是只返回漂亮摘要。
- ai-code-validation-bottleneck:AI 可以快速產生重建程式,真正瓶頸轉向規格、相容性、測試與授權審查。