我让 AI 学会了“拆“App——Antigravity 逆向分析能力搭建手记

news2026/5/13 8:30:12
你能想象吗对着 AI 说一句帮我分析这个 APK它就自己打开 IDA、拆解代码、Hook 运行时、提取密钥、还原源码……全程不用你碰一下鼠标。先说结论我给 AI 编程助手 Antigravity 装上了 4 把瑞士军刀让它从一个只会写代码的助手变成了一个能独立完成逆向分析的安全研究员。整个过程的核心只有一件事通过 MCP 协议把本地逆向工具的能力喂给 AI。这事儿的背景Antigravity 是 Google DeepMind 做的 AI 编程助手你可以把它理解为一个住在你电脑里的超级程序员。它能写代码、调 bug、搜文档但有个致命短板——它不会用逆向工具。就好比请了一位顶级厨师但厨房里没有刀和锅。而我手上有这些刀和锅工具干什么用IDA Pro把编译后的程序翻译回人能读的代码AndroidKiller把 Android 安装包APK拆开看里面的零件Frida在 App 运行的时候偷看它在做什么ADB遥控你的 Android 手机问题是这些都是独立的桌面软件AI 根本不知道它们的存在。MCP给 AI 装上手这里要介绍一个关键概念——MCPModel Context Protocol模型上下文协议。说人话就是一套让 AI 调用外部工具的标准接口。你可以把 MCP 想象成一个万能遥控器。每个工具是一台不同的电器MCP 就是那个能控制所有电器的遥控器。AI 拿着这个遥控器就能操作任何接入的工具。┌─────────────┐ MCP 协议 ┌──────────────┐ │ │ ◄──────────────► │ IDA Pro │ │ │ ◄──────────────► │ AndroidKiller│ │ Antigravity │ ◄──────────────► │ Frida │ │ (AI 助手) │ ◄──────────────► │ ADB │ │ │ ◄──────────────► │ 更多工具... │ └─────────────┘ └──────────────┘怎么接入三步搞定第一步给每个工具写一个翻译官就是一个 Python 小脚本告诉 AI 这个工具能做什么、怎么调用。比如 IDA Pro 的翻译官长这样简化版# 注册一个叫 ida-pro 的工具服务 mcp FastMCP(ida-pro, instructions二进制静态分析工具) # 告诉 AI你可以用这个功能反编译函数 mcp.tool() async def decompile_function(binary_path, function_name): 把编译后的代码翻译回人能读的版本 # 后台调用 IDA Pro 完成分析 ...一共写了 4 个翻译官注册了35 个能力。第二步登记到 Antigravity在配置文件里告诉 AI嘿你现在有这 4 个新工具可以用了。第三步重启 AI完事重启后AI 的工具栏里就多了 35 个新按钮。35 个新能力都能干嘛直接上图 IDA Pro — 代码翻译机能把编译后的二进制程序翻译回接近源代码的形式。就像把一本被翻译成外星语的书重新翻译回中文。反编译函数、列出所有函数名提取程序中的字符串比如密钥、URL追踪某个函数被谁调用了 AndroidKiller — APK 拆解工能把 Android 安装包拆成零件看清里面的每一行代码。反编译 APK、重新打包阅读和搜索底层代码smali解析应用的配置清单 Frida — 运行时侦探能在 App 运行的时候实时拦截和修改它的行为。就像给正在运转的机器装上透视镜。注入自定义脚本拦截函数调用看参数和返回值枚举所有加载的类和方法 ADB — 手机遥控器远程控制 Android 设备的一切。安装/卸载 App传文件、执行命令截屏、看日志实战AI 自主完成一次完整逆向工具装好后我们拿一个真实的 Cocos2d-x 游戏 App 做了测试。注意以下全过程由 AI 自主完成我只负责看着。 第一步AI 先看了一眼 APKAI 自动解析了应用清单搞清楚了应用的基本信息包名、入口、权限然后把 APK 解压找到了核心的引擎库文件。 第二步AI 发现代码被加密了应用的 JavaScript 源码被加密成了.jsc文件。AI 在 22MB 的引擎库里搜索字符串找到了xxtea_decrypt和jsb_set_xxtea_key——确认使用了 XXTEA 加密算法。️ 第三步AI 用两种方式找到了密钥方法一静态分析AI 调用 IDA Pro 反编译了应用的启动函数在代码里看到了密钥的一部分。但由于编译器优化密钥被截断了。方法二动态分析AI 立刻切换策略通过 Frida Hook 了密钥设置函数在 App 运行时捕获到了完整密钥。两条路线交叉验证最终确认了加密密钥。 这里最让我惊讶的是AI 在静态分析遇到困难时自己决定切换到动态分析方案。不是我告诉它的。 第四步AI 批量解密了所有源码AI 写了一个 Python 脚本用提取到的密钥一次性解密了 27 个加密文件。解密流程是加密文件 → XXTEA 解密 → Gzip 解压 → 可读的 JavaScript 源码 ✅ 第五步AI 分析了源码结构还原出源码后AI 自动分析了应用的完整架构——模块系统、网络协议、调试接口甚至找到了开发者遗留在代码中的内部调试系统。过程中踩的坑也是最有意思的部分坑 1路径里有空格IDA Pro 装在C:\Program Files\...空格导致命令行解析出错。AI 自己发现了问题给路径加上了引号修复。坑 2SDK 版本 API 变了MCP SDK 更新后构造函数的参数名改了description→instructions。AI 用 Python 的反射机制自动检测了正确的参数名。坑 3线程安全问题最精彩的一个Frida 脚本在自己的线程运行但 Cocos2d-x 的 JS 引擎函数必须在GL 渲染线程调用。直接调用 程序崩溃。AI 的解决方案非常巧妙Hook 了引擎的帧更新函数每秒调用 60 次把要执行的代码排队在下一帧由正确的线程安全执行。这就像你不能在高速路上突然停车修轮胎但可以在下一个服务区停下来修。坑 4内存结构未知AI 需要读取 JS 引擎的返回值但不知道返回值在内存中长什么样。解决方法先让引擎计算42已知结果再计算hello已知类型通过对比内存 dump 推导出数据结构。就像用已知答案的数学题来推导公式。这套方案的意义 效率飞跃传统逆向分析在 5 个软件窗口之间来回切换手动复制粘贴数据。现在对 AI 说一句话它自己协调所有工具完成分析。 即插即用这 4 个 MCP Server 脚本是通用的换个 App 照样能用。就像你买了一套厨具做中餐能用做西餐也能用。 AI 的判断力最让人印象深刻的不是工具本身而是 AI在工具之间做出的决策静态分析遇到瓶颈 → 自动切换动态分析一种 Hook 方式崩溃 → 自动尝试替代方案字符串搜索没结果 → 改用二进制模式搜索最后工具的能力边界就是 AI 的能力边界。通过 MCP 协议我们只是把 AI 的能力边界往外推了一步。但就是这一步让 AI 从会写代码变成了能拆程序。如果把这个思路推广开来——安全审计、固件分析、协议逆向、漏洞挖掘——每个领域的专业工具都可以用同样的方式接入 AI。这不是未来这是已经发生的事情。欢迎关注协议分析与还原一起用AI实现各项能力的全面跃升。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2608743.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…