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。
HN 评论区
16- 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?
- 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。
- 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。