Ghidra
PulseAugur coverage of Ghidra — every cluster mentioning Ghidra across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
发布新的西班牙语网络安全视觉语言模型
研究人员开发了VectraYX-Vision-1B，一个专为西班牙语和拉丁美洲网络安全图像设计的紧凑型视觉语言模型。该模型参数量小于20亿，集成了SigLIP-SO400M编码器和专用解码器，使其能够处理网络安全用户界面并以西班牙语响应。它通过原生标记和工具调用能力实现结构化视觉推理，并有可能通过llama.cpp的LLaVA格式进行隔离部署。初步测试显示在视觉基础方面存在挑战，但团队正在解决这些问题，并已发布代码、配置和模型权重，以…
-
新的西班牙语网络安全视觉语言模型显示出潜力，尽管存在基础问题
研究人员开发了VectraYX-Vision-1B，一个专为西班牙语和拉丁美洲网络安全图像设计的视觉语言模型。这个参数量小于20亿的模型集成了SigLIP编码器和西班牙语安全解码器，使其能够用西班牙语回答、生成结构化推理并调用工具。尽管功能管道已建立，初步结果显示视觉基础几乎为零，模型在很大程度上忽略了图像内容。研究团队正在调查补救策略，并探索与位置编码层相关的架构问题。
-
开发者逆向工程网络摄像头协议以实现 AI 控制
一位开发者逆向工程了 OBSBOT Tiny 2 网络摄像头的通信协议，使 Claude 等 AI 模型能够控制其平移、倾斜和缩放功能。这涉及到使用 Ghidra 分析摄像头的固件，以理解其 USB 控制传输和数据包结构。开发者发现，一些功能（如绝对平移/倾斜命令）可以通过标准的 UVC 控制访问，而不是专有协议，并通过捕获和比较 USB 流量识别了一个关键的操作码错误。
-
大型语言模型集成到硬件设计和设备端应用中
研究人员正在探索将大型语言模型（LLMs）集成到硬件设计和设备端应用中。一篇论文讨论了如何保护芯片小片系统和LLM驱动的电子设计自动化（EDA）流程免受硬件攻击。另一个框架RooflineBench旨在通过分析设备端LLM在资源受限硬件上的性能特征来进行基准测试。此外，还在进行实际实验，以测试消费级硬件上本地LLM的能力，评估它们在编码任务中的性能以及从二进制代码中识别处理器架构的能力。
-
LLM应用于二进制代码恢复和基准测试 · 跟踪3个来源
两篇新研究论文提出了使用大型语言模型（LLM）对二进制函数进行基准测试和恢复源代码的方法。第一篇论文REFORGE介绍了一个管道，用于构建可靠的地面真实数据以供LLM在二进制分析中进行评估，并强调了编译器优化和对齐不确定性带来的挑战。第二篇论文提出了一个实用的管道，结合了逆向工程、基于锚点的源代码检索和LLM推理，以从数据库中识别源函数，而不是生成伪代码。这两种方法都旨在提高LLM在逆向工程和软件安全中的准确性和可靠性。
-
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。
-
AI 代理擅长常见漏洞，人类创造力对新颖漏洞利用至关重要
网络安全专家 Jason Haddix 讨论了自主代理在进攻性安全领域的现状和未来。他指出，虽然 AI 代理在识别常见漏洞方面越来越熟练，但它们在需要人类创造力和经验的新颖或未记录的漏洞利用技术方面仍然存在困难。Haddix 设想了一个未来，AI 代理将处理常规漏洞扫描，让人类测试人员能够专注于更复杂和更具创造性的安全挑战。他还强调了逆向工程工具的重大进展，这些工具现在正在集成自然语言界面以协助漏洞利用生成。
-
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。