Hacker NewsAI · 머신러닝

LLM으로 역공학 작업 10배 빨려... 사용 경험담

원제 LLM assisted reverse engineering

136 포인트댓글 38
Key Point

저가의 LLM 접근성으로 오픈소스 도구·에이전트 스킬·과학적 방법론을 조합한 역공학 워크플로우가 연간 작업을 주 단위로 단축시킬 수 있음을 실제 사례로 증명했다.

핵심 요약

  • 20년 경력의 해커가 2026년 현재 LLM 기반 역공학 프로세스를 공개했다. DeepSeek Harness + DeepSeek v4.1 Flash를 AI로 사용하고, Ghidra MCP 브리지·radare2·kuna 등 무료 디스어셈블러와 디컴파일러를 도구로 구성했다.
  • 프로세스는 바이너리를 에이전트에 지정한 후 전용 스킬로 분석하는 식으로, 바이너리 타입·플랫폼·빌드 확인 → 기본 구조 분석(주요 함수·브랜칭·임포트 함수) → 필요시 디버깅·로깅·외부 접근을 통한 추가 조사 순서로 진행한다.
  • 주요 에이전트 스킬은 Grill Me(5개 질문으로 진행 방향 결정)·Ghidra 도구 설명·Java Agent 스킬·가설 디버깅(CSV 테이블로 가설 기록 → 실험 설계 → 결과 기록의 반복) 등으로, 에이전트가 무한 반복에 빠지지 않도록 과학적 방법론을 강제한다.
  • 구현은 프로토타입 단계에서 Python + UV 도구로, 최종 버전은 Rust로 개발하는데, Rust는 컴파일러의 엄격한 피드백이 에이전트의 반복 개선을 돕고 다양한 플랫폼 대상을 지원한다.
  • 지난 6개월간 LLM 보조 역공학으로 AlphaSmart NEO 타이핑기·EmWave 바이오피드백 기기·소니 알파 카메라의 통신 프로토콜 완전 매핑, Arturia MiniFreak·Teenage Engineering OP-Z·Akai MPC 같은 신스의 커스텀 펌웨어 개발, Xteink X4 E-reader 커스텀 펌웨어·HP 구형 프린터 드라이버·라이선스 잠긴 애드웨어 해킹·커스텀 Evernote 클라이언트 등을 성공했다.
  • 저자는 LLM이 수동 어셈블리 분석의 필요성을 없앴지만 호기심은 여전히 주도하며, 오히려 탐험에 가속도를 붙였다고 평가했다.
AI 요약 안내

AI가 한국어로 정리한 내용입니다. 정확한 정보는 원문을 확인해 주세요.

요약 원칙 ↗