LLM 直接读写机器码,无需编译器

LLMs can read and write executables byte by byte from a hex dump

研究团队发现,通用 LLM 如 Sol 6.1 和 DeepSeek V4.1 Flash 能够直接读取并修改可执行文件的十六进制转储,无需依赖编译器、反汇编器或调试器。在实验中,模型成功识别了 FreeBSD 的 ministat 程序,甚至仅凭字节流就发现了一个隐藏的统计置信度 Bug。更令人惊讶的是,LLM 还能直接生成完整的 ELF64 程序,或对恶意软件样本进行快速分析,准确识别其下载并执行内存代码的行为。这一突破表明,对于 AI 而言,传统的反汇编工具可能不再是必须的,直接操作机器码空间或将彻底改变逆向工程和恶意软件分析的效率。

对于人类分析师,反汇编器和反编译器仍是必不可少的工具,但对于 LLM 来说,它们可能最终会被证明是可选的。
  1. pier25

    我怀疑多年了,AI 公司一直在用商业软件训练模型,包括游戏、音频插件、DAW 等等。如果最后发现他们像对待书籍和音乐那样,用了从 torrent 下载的盗版应用,我一点都不意外。

    开源音频开发素材确实有一些,但远不如 Web 开发那么多。否则你怎么解释今年突然涌现出这么多 vibe coded 的音频插件和 DAW?

  2. MomsAVoxell

    想当年,我们就是这样通过 ASCII 调优的串口,把可执行文件从一个系统传到另一个系统。80 年代我有位同事,能靠肌肉记忆敲出一段“hx.c”代码,输入后就能生成所需的十六进制列表;如果输入本身就是十六进制列表,它还能还原出二进制文件。那段 C 代码大概就 12 行,帮我们解了无数次围。后来他干脆写了一个 DOS 兼容版,可以直接管道输入到 DEBUG.com,达到同样的效果。

  3. mfuzzey

    这在逆向工程或恶意软件分析场景下确实有用,尤其是现有机器码但没有源码的情况。但我认为让 AI“直接生成机器码而非高级语言”并不合理。LLM 的代码生成是非确定性的过程,所以更合理的做法是:先生成一次可编译的高级语言源码,然后用确定性编译器针对每个目标平台进行编译,而不是为每个目标平台分别非确定性地生成多次机器码。

同日更多故事

2026-11-21