大模型 · Ghidra 逆向课
📘 30章 完全版
v1.0
1
01
课程导论
为什么大模型能改变逆向分析？Ghidra与大模型结合的三种模式（插件、脚本、外部API）。
→
2
02
环境准备
安装Ghidra 11.x、配置Python3环境、安装Jupyter Notebook与Ghidra Bridge。
→
3
03
大模型基础
主流大模型（GPT-4、Claude、本地模型）对比，API Key获取与调用方式。
→
4
04
Ghidra脚本基础
Python脚本在Ghidra中的运行机制，访问当前程序、函数、指令的API。
→
5
05
第一个AI辅助脚本
调用大模型API，自动为当前函数生成中文注释。
→
6
06
函数重命名
利用大模型理解函数行为，批量重命名变量和函数名为有意义的名称。
→
7
07
反编译代码增强
将Ghidra反编译的伪代码发送给大模型，请求简化或添加注释。
→
8
08
数据结构推断
从内存布局和交叉引用，让大模型推测结构体定义。
→
9
09
字符串分析
自动提取并翻译硬编码字符串，辅助理解程序逻辑。
→
10
10
控制流图分析
将CFG转化为文本描述，让大模型分析执行路径。
→
11
11
漏洞模式识别
定义常见漏洞模式（如栈溢出、格式化字符串），让大模型扫描反编译代码。
→
12
12
加密算法识别
利用大模型识别常量、S盒、轮函数，推测加密算法类型。
→
13
13
协议逆向
结合网络抓包与Ghidra反编译，让大模型推测协议字段含义。
→
14
14
恶意代码分析
大模型辅助识别加壳、反调试、混淆代码片段。
→
15
15
固件分析
针对ARM/MIPS等架构，大模型辅助解析外设寄存器操作。
→
16
16
批量自动化
构建脚本流水线，自动分析整个文件夹的二进制文件。
→
17
17
交互式分析
在Ghidra GUI中集成聊天界面，实时向大模型提问。
→
18
18
上下文增强
将Ghidra的符号、注释、类型信息打包发送给大模型，提升回答质量。
→
19
19
本地模型部署
使用Ollama部署Llama 3/CodeQwen，离线完成分析任务。
→
20
20
提示词工程
针对逆向场景设计高效提示词模板（角色设定、输出格式、示例）。
→
21
21
结果验证
如何验证大模型给出的分析结果是否正确，避免误判。
→
22
22
多轮对话
将多次分析结果串联，让大模型逐步深入理解复杂函数。
→
23
23
代码生成
让大模型生成Ghidra脚本代码，自动完成重复性工作。
→
24
24
插件开发
开发一个完整的Ghidra插件，集成大模型功能。
→
25
25
团队协作
共享大模型分析结果，建立团队知识库。
→
26
26
性能优化
减少API调用次数，缓存结果，使用流式输出。
→
27
27
安全与隐私
处理敏感二进制文件时的数据脱敏与本地部署方案。
→
28
28
案例实战1
分析一个CrackMe程序，从入口到算法还原全流程。
→
29
29
案例实战2
分析一个IoT固件，提取WiFi密码和云平台凭证。
→
30
30
总结与展望
当前局限、未来趋势（多模态、Agent、自动逆向）。
→