Voltar
Engenharia Reversa Auxiliada por LLMs

Engenharia Reversa: Nova Abordagem Combina LLMs e Ferramentas Tradicionais

Aprofundamento CEVIU

Aprofundamento

A nova abordagem para engenharia reversa integra Large Language Models (LLMs) com ferramentas consagradas como Ghidra, disassemblers de linha de comando e depuração em tempo de execução. O fluxo de trabalho proposto utiliza agentes para gerenciar a análise, que, ao encontrar impasses na análise estática, foca em uma hipótese registrada por vez. O sistema emprega sondas ou logs para validar ou refutar essas hipóteses, evitando que o agente persista em suposições aleatórias e otimizando o processo de investigação de código. Ferramentas como Python com UV tooling são usadas para prototipagem e Rust para implementações mais robustas, aproveitando a segurança de memória e o feedback do compilador.

O processo se inicia com a identificação do tipo de binário, plataforma e build para a escolha do descompilador apropriado. Agentes são instruídos a documentar todas as descobertas em arquivos Markdown, servindo como notas e evitando que o agente perca o foco. A análise básica da estrutura (funções principais, ramificações, funções importadas) é então realizada. Em casos onde a desmontagem ou descompilação não são suficientes, o agente pode depurar o binário, usar logging ou ter acesso externo (uso de computador para aplicativos desktop, emuladores controláveis por API para firmware). Uma skill de "hypothesis-driven debugging" força o agente a formular hipóteses testáveis, projetar experimentos para validá-las e registrá-las em um CSV, impedindo ciclos de tentativas e erros.

O que mudou

Em 4 de março de 2026, o CEVIU noticiou sobre "Agentes de Compreensão de Código" que usavam estruturas de raciocínio semi-formal para guiar prompts de LLMs na análise semântica sem execução. A abordagem atual da notícia avança ao combinar a análise semântica com a execução e depuração em tempo real, utilizando sondas e logs para validar hipóteses, algo que não era o foco principal da abordagem anterior. Além disso, em 18 de junho de 2026, o CEVIU cobriu o "TREX", uma ferramenta de code review com execução real de código. Agora, a engenharia reversa assistida por LLMs amplia essa capacidade de execução para a análise de binários, integrando-a com depuração e validação de hipóteses, o que representa um salto significativo na profundidade e eficiência da investigação.

Por que isso importa

Para desenvolvedores e engenheiros de segurança, esta nova abordagem significa um aumento drástico na eficiência de tarefas de engenharia reversa. A combinação de LLMs com ferramentas tradicionais e uma metodologia de depuração baseada em hipóteses pode reduzir o tempo gasto na análise de binários complexos. A capacidade de automatizar a geração e validação de hipóteses, junto ao uso de linguagens como Rust para implementações seguras, permite que equipes investiguem vulnerabilidades, desenvolvam patches ou compreendam sistemas legados com mais rapidez e precisão. Isso libera os engenheiros para focar em insights de alto nível, enquanto os agentes cuidam das tarefas repetitivas e detalhadas de disassembler e depuração.

Linha do tempo

  1. Agentes de Compreensão de Código: Estruturas de raciocínio semi-formal guiam os prompts de agentes LLM.

  2. TREX, nova ferramenta de code review com execução real de código e IA para detecção de bugs ocultos.

  3. Pesquisadores da SpecterOps usam LLMs para aprimorar a engenharia reversa e análise de soluções EDR.

  4. Agent.md emerge para otimizar a interação de LLMs e melhorar a qualidade do código.

  5. Pesquisas demonstram limitações de memória de LLMs em detecção de vulnerabilidades.

  6. Nova abordagem para engenharia reversa combina LLMs e ferramentas tradicionais com metodologia de hipóteses.

Perguntas frequentes

Quais são as principais ferramentas usadas nesta nova abordagem de engenharia reversa?

A nova abordagem combina Large Language Models (LLMs) com ferramentas tradicionais como Ghidra, disassemblers de linha de comando e depuradores em tempo de execução. Para a implementação de hacks e sondas, Python com UV tooling é usado para prototipagem rápida, e Rust é empregado para implementações mais robustas, devido à sua segurança de memória e feedback do compilador.

Como a metodologia de "hypothesis-driven debugging" funciona na prática?

Quando o agente de engenharia reversa encontra um impasse, ele é forçado a formular uma hipótese sobre o funcionamento do código. Em seguida, ele projeta um experimento (usando sondas, logs ou depuração) para provar ou refutar essa hipótese. O resultado é registrado em uma tabela CSV, o que impede que o agente entre em ciclos de tentativas aleatórias e otimiza a investigação.

Qual o papel dos agentes na documentação do processo de engenharia reversa?

Os agentes são instruídos a documentar todas as suas descobertas em arquivos Markdown ao longo do processo. Isso serve a múltiplos propósitos: cria notas para a compreensão humana, ajuda o agente a manter o foco após compactação ou transferência de contexto, e contribui para que o agente trabalhe de forma mais eficaz, evitando que se perca em ciclos de análise.

Como os LLMs ajudam na depuração de binários complexos?

Os LLMs, através de seus agentes, podem depurar o binário, definir breakpoints em partes específicas para entender o funcionamento interno, e utilizar logging (habilitando no binário original ou injetando sondas). Eles também podem acessar recursos externos, como um computador para aplicativos desktop ou um emulador controlável por API para firmware, para auxiliar na análise.

Fontes

Avalie este artigo:
Categoria
CEVIU Web Dev
Publicado
19 de novembro de 2026
Editoria
CEVIU Web Dev

Quer receber mais sobre CEVIU Web Dev?

Conteúdo curado diariamente, direto no seu e-mail.

Conteúdo curado diariamenteDiversas categoriasCancele quando quiser