Ghidra
PulseAugur coverage of Ghidra — every cluster mentioning Ghidra across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
LLM驱动的系统从二进制函数中恢复源代码
研究人员开发了一种新颖的方法，通过整合逆向工程技术和大型语言模型（LLM）推理，从剥离的二进制函数中恢复源代码。该方法侧重于从数据库中检索实际的源代码片段，而不是生成伪代码。该系统提取字符串和函数名等关键锚点，使用倒排索引搜索查找候选源文件，然后利用LLM根据汇编、反编译代码和元数据对这些候选文件进行重新排序。在剥离的tcpdump二进制文件的高保真数据库上进行的评估中，该方法实现了95.2%的汇编指令覆盖率，证明了其在高数据质量环境中的有效性。
-
Claude Opus 4.8 助力逆向工程，实现更快的 Atari 游戏启动
一位 Reddit 用户利用 Anthropic 的 Claude Opus 4.8 协助逆向工程 Steam 上的 Atari 50: The Anniversary Celebration 游戏。目标是绕过游戏冗长的加载屏幕和笨拙的界面，实现直接启动游戏。用户使用 Ghidra 开发了一种 DLL 注入方法来自动化该过程，从而能够更快地访问游戏广泛的游戏库。
-
Ghidra 和 Claude Code MCP 工作流程增强逆向工程能力
本文详细介绍了使用 Ghidra 和 Claude Code MCP 进行逆向工程的实用工作流程。作者发现这种组合在代码分析和理解复杂软件等任务中出奇地有效。该过程包括利用 Claude Code MCP 协助解释反编译的代码，并在 Ghidra 环境中识别潜在的关注点。
-
高通 NPU 编译器被逆向工程以优化边缘 AI
一位研究人员逆向工程了高通神经网络处理单元 (NPU) 的编译器，以更好地理解和优化边缘 AI 部署。研究结果表明，该编译器使用复杂的 MILP 求解器进行 VTCM 放置，并能自动改变权重精度以管理内存压力。这项详细分析，包括经验参数扫描和使用 Claude Code 进行的代码分析，为高通 NPU 上先前未被记录的内存瓶颈和编译器行为提供了关键见解。
-
大语言模型通过多反编译器分析改进恶意软件分类 · 跟踪 2 个来源
研究人员开发了一种使用大语言模型（LLMs）通过分析来自多个反编译器工具的反编译代码来改进恶意软件分类的方法。研究发现，结合 Ghidra 和 RetDec 的反编译视图可以提高识别恶意软件的 F1 分数，主要是通过提高召回率。这种多反编译器方法提供了一种简单、无需训练的技术，可以提高基于大语言模型的恶意软件分类在现实场景中的有效性。
-
复古爱好者将贪吃蛇游戏嵌入老式S3显卡VBIOS
一位复古计算爱好者成功地将经典的贪吃蛇游戏嵌入了一块老式S3 ViRGE DX显卡的VBIOS中。此修改允许游戏在系统启动时直接运行，独立于任何操作系统。该爱好者利用Claude Code和Ghidra逆向工程框架将一个精简版的贪吃蛇注入VBIOS，并添加了动态时钟频率显示。
-
AI 协助 Rust 开发者逆向工程 RAR 格式
一位开发者仅用五周时间就使用 Claude 和 OpenAI Codex 等 AI 工具逆向工程了复杂的 RAR 文件格式。尽管缺乏官方文档，该开发者还是使用 Ghidra 分析了开源库和二进制文件，并通过 AI 辅助迭代生成代码。这一过程最终用 Rust 编写了一个功能性的 RAR 处理工具，展示了 AI 在应对复杂逆向工程任务方面的潜力。
-
AI代理重构Linux和Windows二进制文件中的漏洞
研究人员开发了用于软件二进制文件漏洞发现的代理管道。Patch2Vuln专注于Linux发行版二进制补丁，在半数测试案例中成功识别了安全相关函数。SLYP专为Windows COM二进制文件设计，在查找竞态条件漏洞和生成概念验证代码方面表现出色，发现了28个新漏洞，并分配了16个CVE。
-
AI 难以逆向工程 SimTower 以便现代重构
一位开发者通过使用 AI 逆向工程原始游戏的二进制代码，创建了一个名为 towers.world 的经典游戏 SimTower 的可玩克隆版。该过程涉及一个名为 'reaper' 的自定义框架，该框架与 Ghidra 接口进行静态分析，使 AI 能够解释反汇编代码。尽管 AI 付出了努力，但逆向工程过程揭示了当前 AI 能力的局限性，例如过早下结论、在具体性方面遇到困难以及难以区分概念设计与实现细节。
-
LLM智能体通过约束引导改进二进制反编译
研究人员开发了一个名为约束引导多智能体反编译（MCGD）的新型多智能体框架，以改进从已编译二进制文件中恢复可执行源代码。该系统采用分层验证流程，使用LLM生成的测试用例检查语法正确性、可编译性和行为等价性。当检测到错误时，专门的LLM智能体根据结构化反馈迭代地优化代码，显著提高了反编译代码的实用性。该框架在各种反编译器上的可重执行性方面表现出显著的改进，并且优于现有的基于LLM的反编译方法。