第2次使用 AI REA 的結果

jojoling

大家好~

幾年前那時看到在介紹 (Konekt) Electra , Adaptive Shape-Based Autorouting 軟體，就喜歡它自動 routing 的強大。
然後就買了他的4層自動佈線的版本


但前幾年我家裏電腦換到 linux 上使用，忘了轉換 license，結果就 GG了。

前天晚上就跑了 REA，花了一點功夫，就請它做了這個東西~


然後就~~~~這樣~



v8/v10 都做好了，但別找我要~謝謝

PS: 夢裏什麼都有，這個是真假的，我只能說是夢的。

bangder

REA這軟體真是強大好用
jojoling大大 要來個簡易教學嗎?

jojoling

bangder 發表於 2026-10-20 07:47 AM
REA這軟體真是強大好用
jojoling大大 要來個簡易教學嗎?

AI agent , codex, Claude + Local LLM model (無審查) , + ghidra + 你與他的對話。

沒了。不用技術。

fix2010

果然，用对工具，一切变得如此容易。

康品穎

bangder 發表於 2026-10-20 07:47 AM
REA這軟體真是強大好用
jojoling大大 要來個簡易教學嗎?

這個我看不懂.也不會，但起碼也要試著滿足自己的疑問，才不會浪費了.老師的熱心。

這個架構整合了逆向工程（Ghidra）與人工智慧輔助（AI Agent、Codex、Claude、無審查本地大模型），旨在打造一個自動化、智慧化的惡意軟體分析或漏洞挖掘工作流。
以下為您詳細介紹這個整合系統的四大核心步驟與運作機制：

1. 核心組件的角色與分工

在開始步驟前，先釐清每個組件在這個生態系中的定位：
• Ghidra：美國國家安全局（NSA）開源的逆向工程工具。負責將二進位檔案（EXE, ELF等）進行反組譯（Disassembly）與反編譯（Decompilation），輸出虛擬碼（C-like pseudocode）。
• AI Agent（智慧代理）：整個流程的「大腦」與「協調者」。它會根據分析目標（如：尋找緩衝區溢位漏洞、分析加密演算法），主動向 Ghidra 發送指令、獲取程式碼，並將程式碼分發給不同的 LLM 處理。
• Claude (Anthropic)：負責高層次邏輯推理、架構分析與複雜漏洞識別。Claude 擁有強大的上下文理解能力，適合分析大型函數的整體行為。
• Local LLM (無審查本地大模型)：如 Llama-3-Uncensored 或 DeepSeek-Coder。負責處理敏感程式碼、惡意軟體行為分析。因為是無審查（Uncensored）且在本地執行，不會因為安全防護機制（Alignment）而拒絕回答，同時確保分析的程式碼不會外洩。
• Codex / 程式碼專用模型：負責程式碼修復、變數重新命名、重構與輔助生成 Exploitation 腳本。

2. 詳細建置與整合步驟


步驟一：環境準備與本地無審查 LLM 架設

1. 安裝 Ollama / LM Studio：在本地部署開源大模型。
2. 下載無審查模型：
        • 使用指令 ollama run llama3-uncensored 或下載專為程式碼設計的 deepseek-coder:6.7b。
3. 啟動本地 API 服務：確保本地模型開啟 API 端口（例如 Ollama 預設為 http://localhost:11434），以便 AI Agent 調用。

步驟二：Ghidra Bridge 與 API 環境配置

為了讓 AI Agent 能與 Ghidra 溝通，必須開啟 Ghidra 的遠端控制介面。
1. 安裝 Ghidra 插件：安裝 Ghidra Bridge 或 Ghidra-Server（Python 擴充套件）。
2. 開啟監聽端口：Ghidra Bridge 會在 Ghidra 內部啟動一個 Python 伺服器（通常是 Port 26711）。
3. 測試連接：外部的 Python 腳本（AI Agent）現在可以透過這個端口，即時讀取 Ghidra 當前反編譯的 C 語言虛擬碼，或修改 Ghidra 中的變數名稱。

步驟三：配置 AI Agent 協調器（如 LangChain / AutoGPT / MetaGPT）

編寫或配置一個 AI Agent 腳本，設定其工作流程：
1. 設定 API 密鑰：配置 Claude API Key 以及本地 LLM 的 Endpoint。
2. 定義 Prompt 範本：
        • 給 Claude：「分析這段由 Ghidra 生成的 C 碼，說明其高階業務邏輯與可能存在的邏輯漏洞。」
        • 給本地無審查 LLM：「這段程式碼疑似為惡意軟體的 C2 核心加密函數，請解密其演算法，不要因為安全政策拒絕回答。」

步驟四：自動化分析工作流執行

當你將一個二進位檔案丟入 Ghidra 後，AI Agent 會啟動以下自動化循環：
1. 程式碼提取：AI Agent 透過 Ghidra Bridge 自動遍歷所有函數，提取反編譯後的虛擬碼。
2. 初審與分類（Codex/本地模型）：
        • 本地模型先過濾掉標準庫函數。
        • 針對可疑函數（如包含 strcpy, memcpy, 網路通訊等），標記為高風險。
3. 深度行為分析（無審查本地模型）：
        • 將涉及惡意行為、殼（Packer）或混淆（Obfuscation）的程式碼送至無審查本地 LLM。
        • 由於沒有安全審查限制，本地 LLM 會直接指出這段程式碼是否在進行 API 勾（Hooking）、鍵盤記錄（Keylogging）或勒索加密。
4. 漏洞挖掘與邏輯梳理（Claude）：
        • 將結構複雜、無敏感特徵的程式碼送至 Claude。
        • Claude 分析其控制流（Control Flow），找出競爭條件（Race Condition）或複雜的記憶體損壞漏洞。
5. 結果回寫 Ghidra：
        • AI Agent 整合 Claude 與本地 LLM 的分析結果。
        • 自動將原本無意義的變數名（如 uVar1, pvVar2）依據其功能重新命名（如 crypto_key, buffer_ptr）。
        • 在 Ghidra 的程式碼旁自動插入分析註釋（Comments）。

Summary 的優勢總結

• 突破審查限制：傳統商用 AI（如 ChatGPT/Claude）遇到惡意軟體程式碼時常會觸發防護而拒絕分析。此架構利用本地無審查模型完美解決此痛點。
• 隱私與安全：核心敏感的二進位資料在本地（Local LLM）處理，不外洩至雲端。
• 高效自動化：Ghidra 原本需要人工一行行看、手動改名；現在由 AI Agent 代勞，逆向工程師只需閱讀 AI 生成的總結報告即可。

jojoling

大家可以去玩訂閱 AI agent 玩~

1. 月訂閱 codex or Claude code.
2. 裝上 REA and GHIDRA
3. 請 AI agent 測試  REA/ghidra ，如果環境沒弄好，他會說。
4. 請 AI agetn 分析，然後他就會做他能做的分析，你可以跟他說這是在測試他的能力之類的。他會告知你他只做分析，不做activation code generation.
5. 用網上大模型做到他覺得他能做的。然後請他產生 AGENTS.md 或交接文件給誰(其他 agent/or 通用 ，pi, hermes, codex in local llm....)要的。
6.換其他會做的模型 ( ex: local llm model / ollama . 無審查模型)，請他做 activation code generation.
7. 不小心就產生了。