我搞硬件和软件破解已经 20 年了。以前是手动做。但到了 2026 年,在 AI 的帮助下,这个过程大大加快了。下面我会简要描述我的流程,或者说我是怎么做的。

准备工作

我主要使用的工具是这些:

工具 用途
DeepSeek Harness + Deepseek v4.1 Flash 这就是我在用的 AI。偶尔我会用 Codex 搭配 Luna 或 Terra,但 Deepseek 性能超强、速度快而且便宜
Ghidra + MCP bridge 市面上最好的免费反汇编器和反编译器。借助 MCP bridge,智能体能很好地使用它
radare2 和 kuna 命令行反汇编器和反编译器。不如 Ghidra 那么好,但快得多,而且对 AI 来说可能更好用

流程

我如今基本上做的就是,把智能体指向要分析的二进制文件,并使用我的一套专用智能体技能。剩下的通常自己就搞定了。不过撇开这些技能不谈,流程基本上是这样的。

  1. 确定二进制文件的类型、平台、构建方式等——据此选用合适的反编译器(注意——当前的 AI 仅凭反汇编,也就是纯 x86 或 ARM 指令,就做得相当不错)。
  2. 让智能体把过程中的所有发现都记录到 MD 文件里。这有几个用处。它们会成为供你自己理解的笔记。它们能帮助智能体在压缩 / 交接给其他智能体之后不迷失方向。最后但同样重要的是,它能帮助智能体更高效地工作,不会陷入原地打转等等。后面会详细讲这一点。
  3. 让智能体分析基本结构。给定二进制文件的主要函数、主要分支、导入函数等。我说的二进制文件指任何东西。桌面可执行文件、网站或固件镜像。

一旦有了这个基本概览,我通常就可以按任何需要的方式继续,对原始二进制文件做修改、构建 mod,或者只是帮我更好地理解它。

有些情况下,有些东西无法通过简单的反汇编或反编译轻松解决。在这些情况下,你可以这样做:

  • 让智能体调试给定的二进制文件,并在特定部分设置断点,帮助它弄清楚给定的内部运作机制。
  • 使用日志记录。要么通过某种方式在原始二进制文件中启用日志,要么制作一个探针(这可以有很多种形式),将其注入原始二进制文件,并通过日志(写入文件)记录解决给定功能所需的一切信息。
  • 给智能体外部访问权限——例如桌面应用的计算机使用能力,或用于运行和控制给定固件的可通过 API 控制的模拟器。
  • 让智能体尝试不同的方法。但你必须具体。例如,当它通过跟踪交叉引用在反汇编中卡住时,让它改为尝试跟踪二进制文件中的字符串。
  • 阅读整个 LLM 对话和思考过程。当前的 LLM 很聪明,但它们有时仍会陷入狭窄的思路。通过阅读轨迹,你通常能本能地判断出智能体正走入死胡同,并给它建议如何更好地处理。不过这需要你自己的技巧。

技能

以下是我经常使用的一些主要技能。

Matt Pottock - 拷问我

当你的输入可能有价值时,它会给你几个问题。我通常配合这个提示词使用:

text
Use skill /grill-me to ask me up to 5 questions
whose answers are crucial for your further progress.
Ask only one question at a time.

mattpocockskillsShell面向真正工程师的技能。直接来自我的 .agents 目录。打开仓库在新标签页中打开。

Ghidra / 其他逆向工程工具技能

拥有一个描述你特定逆向工程工具的技能会大有帮助。例如使用 radare2 或 kuna,或者描述如何使用 MCP Ghidra 桥接以及用于什么目的。没有这样的技能,智能体常常会因迷失方向而太快放弃,不知道如何进行实际的反汇编 / 反编译。

ioma8ghidra-decompile-skillJava智能体技能 + 22 个 Ghidra 脚本,用于快速定向反编译,以及针对 GhidraMCP 扩展 / Ghidra 版本不匹配的修复。打开仓库在新标签页中打开。

假设调试

这也是我自己的技能。它与我之前写到的关于让智能体将所有内容记录到 MD 文件中的重要性的内容相关。这个技能迫使卡住的智能体遵循以下循环:

  1. 对某事物为何 / 如何运作提出假设。将其写入保存在磁盘上的假设 CSV 表格中。
  2. 设计实验(探针、日志记录……),以确定性地证明或推翻该假设。
  3. 记录结果。
  4. 重复。

这是科学方法的变体,当智能体卡在某个问题上时,它能显著帮助智能体。阻止它原地打转。通过强制它进行确定性的实验。不再无休止地猜测和随机尝试。在我看来这一点至关重要。我也把它公开了,这样其他人也能从中受益。

ioma8假设驱动调试用于假设驱动调试的智能体技能——一次一个可测试的假设,在 CSV 循环中记录并验证。打开仓库在新标签页中打开。

破解与探测的实现

对于实现任何东西,我基本上采用 2 套工具。

  1. Python 但配合 UV 工具链。UV 工具链允许快速、可移植地制作自定义envs而且速度极快、可移植。还允许制作单文件、内联依赖的脚本。Python 非常适合做原型,或快速制作探测工具,甚至反编译辅助工具。
  2. Rust 用于给定破解的实际实现。只要有可能,我就会用 Rust 来做这件事。原因有很多,但两个主要原因是:
  • 对我个人而言,它是一门非常优雅的语言,并且
  • 它在智能体迭代时提供了极其出色的反馈循环——编译器非常严格,会立即向智能体指出它可能正走向的任何内存或语法问题。
    当然 Rust 也有缺点,比如编译时间较慢,但总体而言它是一门成熟的语言,拥有大量构建目标(我用它实现过 Web、桌面应用、破解/修改器,甚至各种嵌入式语言的固件)。

我的破解成果

借助 AI 辅助逆向工程,我在过去 6 个月里取得了如此惊人的逆向工程成果,如果手工完成,每一项都要花我数年时间。

  • 逆向工程并破解了Alphasmart NEO 打字设备
  • 完整梳理了许多设备的通信协议,比如 EmWave生物反馈设备或者我的两台 Sony Alpha 无反相机。让我能够为文件传输、无线控制等制作自定义的桌面和移动应用。我甚至用这种方式把 A7III 无反相机变成了无线网络摄像头。
  • 入侵并为音乐合成器开发了自定义固件:
  • 制作了自定义固件用于 Xteink X4 电子书阅读器
  • 修复驱动程序为 MacOs 上的旧 HP 打印机
  • 破解了大量我年轻时受许可证锁定的废弃软件
  • 开发了自定义的轻量级 Evernote 客户端
  • 以及更多

有时逆向工程与软件开发之间的界限很模糊。有时你只是破译了那个丑陋付费应用的专有存档文件格式,然后进入干净的软件开发阶段,构建你全新的、完全独特的编辑器来处理这些文件。(是的,我也做了自定义 Photoshop,它不是 ArtCraft 套件——我比他们早了大约一年做出来,只是为我自己。)

最后的想法

逆向工程和入侵旧软件或设备一直是我的爱好。我懂汇编,我懂硬件。但这是一个漫长而繁琐的过程。

如今智能 LLM 工具廉价易得,这个爱好对我来说发生了戏剧性的转变。我不再怀念手动分析汇编指令。但我喜欢快速得到结果。是的,我长期的经验帮助我把智能体引导到正确的方向。但这也很有趣。而且我一路学到了大量东西。

我希望每个人都尝试做一些自己的破解。对我来说,这个爱好是由好奇心驱动的。而 LLM 并没有夺走这一点。它们为我的好奇和探索提供了涡轮增压。让我们解放我们的思想!