AI 自动化逆向(二十六)「已解出」和「已解析」是两回事

AI 自动化逆向(二十六)「已解出」和「已解析」是两回事

本文是「AI 自动化逆向」系列第 26 篇。上一篇:数据表格式:一个恒等式覆盖 99% 的表;下一篇预告:一个地图格式族的三角关系。

前言

前一篇的数据表"结构证明 + 语义推断",读起来都是好消息。这一篇泼一盆冷水------解包(把打包的容器解开)成功的那个下午,才是真正的问题开始的时候:

容器敲开了,九万多个文件躺在磁盘上。它们各自是什么状态?

"已解出"是容器层 的胜利;"已解析"是格式层 的进度。两者之间,隔着一整个普查。

(同前几篇:文中"AI"指执行分析的模型,"我"指设定目标、审结果的人;内容均已脱敏。)

一、坑的形状:"大丰收"带来的假收官

解包成功的现场非常有欺骗性:文件数量巨大、目录结构整齐、每个文件都有名字------看起来"这活干完了"。

但此刻其实有三个关键未知:

  1. 哪些是明文或标准格式(现成工具就能读);
  2. 哪些是专有二进制(要逐个逆结构);
  3. 最要命的:有没有第二层加密------如果"解出来的产物"内部还藏着另一层加密,那么后面所有格式解析都建在沙子上。

而"人工挨个看"在几万文件的量级上不是方案。这类问题只有一个解:全量、自动、可复算的普查。

二、过程:一次全量普查

第一步:给每个文件量三个数

每个产物只读头部几 KB ------足够定性------记三个纯测量,不需要"理解"文件:

  • 魔数:前 16 字节,原样记录;
  • 可打印字符比例:过一条经验线,就判"疑似文本";
  • 香农熵:过一条高线,就判"高信息量"(压缩或加密的候选)。

为什么是这三个:它们把"是什么"这个需要理解的问题,降级成三个可以批量计算的数 。理解留到下一步,普查只负责摆放事实。

第二步:分档 + 一致性校验

按两个维度汇总:按扩展名 的分组、按魔数的分组------两个视角交叉,单独一个维度会骗人(扩展名可以标错,魔数可以缺失)。

然后把全部产物分成三档:明文/标准格式 / 专有二进制 / 标准归档 。分档本身不稀奇,稀奇的是它的验收动作:

各档相加,必须等于总数。 一个不能多,一个不能少。

普查自己也要有分母纪律------"约等于九万多"这种话在这里是不允许出现的。

第三步:熵排查------把"有没有第二层加密"变成计数题

普查里最"贵"的问题是第 3 条。它的判定逻辑被写得很干净:

  • 先定义加密会长什么样 :高熵、而且没有任何已知结构;
  • 再去全量里数:高熵的文件有几个?------答案:只有一个 ,而且那个文件带着标准压缩包的签名,本来就该是高熵;
  • 结论:"高熵且无已知魔数的孤立文件:零个 " → 不存在第二层加密。不是"感觉没有",是一个可以复核的计数。

顺带一条反向警惕也留在案上:低熵不等于加密 ------普查里有一个体积可观、熵却极低的稀疏网格文件(大片空白),它是稀疏,不是加密。两个方向的误读都要防:高熵的不一定是加密,低熵的更不能是。

第四步:修正旧文档、重排剩余工作

普查顺手打了一记脸:旧清单把某类文件(正是第 24 篇那批"纯文本特效")列为"二进制、待解析"------普查一量,可读性 95%,纯文本。一份几万文件的普查,就这样把"文档的腐败"一次性冷藏了。

而最大的产出是这一句:

剩余的工作是"专有二进制解析",不是"解密"。

一句话,把剩下的活从"迷雾"变成了"清单"------不用再找密钥、不用再找加密层,只需要逐个读格式 。普查交付的不是统计,是地图。

三、判据与验证:四条

1. "解出"之后立刻普查。 全量、自动、可复算------四位数以上的产物,"人工巡检"不是方案;而且必须能重跑(第 18 篇的纪律:跑得动的普查才有人跑)。

2. 分档的验收是 SUM。 各档之和 == 总数------普查的分母纪律,也顺带证明没有文件被静默跳过。

3. 第二层加密用"排除法 + 定量"回答。 先定义目标的形态(高熵+无结构),再全量计数,把答案交给"孤儿文件的数量":零个孤儿,就是"没有"。别用"感觉解干净了"当结论。

4. 普查的产出是"工作重定义"。 好的普查结束时,"剩下多少活、哪些先做"变成一张可排序的清单------这是普查区别于统计的地方。

四、结论

"已解出"和"已解析"之间,隔着一整个普查------大丰收之后的第一件事,不是庆祝,也不是开工,是点数。

而点数的方式很统一:让每个产物自己报出"我是什么形态"(三个可批量计算的数就够了),然后让各档相加等于总数。

普查不是统计,是地图。有了地图,才知道剩下的是翻山还是过河。

五、边界声明

  • 本文只讨论AI 自动化逆向中的判据设计与审核方法,不涉及任何具体产品、厂商或服务的分析结论。
  • 文中所有地址、偏移、常量、字段名一律为占位符或示意值 ,
    不代表任何真实目标中的取值;示例代码为说明判据而编写,不构成可运行的针对特定目标的工具。
  • 文中提到的比例与数字均来自作者项目内的测量记录,仅用于说明方法失效的方式。
  • 请勿将本文内容用于未授权的用途。

六、收尾

卷四的格式战役到这里基本收官。下一篇收一个容易混 的尾:地图相关的三个格式------缩略图、可行走网格、地表网格------它们长得像亲戚,但是三个东西;把它们混成一个,是这个领域里流传最广的错。

下一篇计划聊:一个地图格式族的三角关系。


转载请注明出处:

https://lizhiyong.blog.csdn.net/article/details/169268734

相关推荐
对你无可奈何6 小时前
给 ComfyUI 做了一个手机助手
人工智能
feasibility.7 小时前
英伟达把物理AI的3D模型“应用商店”开放了:2575个SimReady仿真资产,总计约472GB,可让agent装配机器人训练场景
人工智能·3d·机器人·仿真·建模·具身智能·英伟达
智联视频超融合平台8 小时前
消防宣传月过半,“AI+消防“给视频平台换了张考卷
人工智能·边缘计算·视频监控·安防·视频联网
冬奇Lab8 小时前
一天一个开源项目(第262篇):AG-UI —— 把 AI Agent 接进前端的开放协议,和 MCP、A2A 并列的第三块拼图
人工智能·开源
罗西的思考9 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
RobinDevNotes10 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
stormzhangV10 小时前
Coding Agent,通往 AGI 的重要一环
人工智能·agent·ai编程
Bowen_J11 小时前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
IT_陈寒11 小时前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
阿里云大数据AI技术12 小时前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能