IA
Experimentos muestran que los grandes modelos pueden leer y escribir archivos ejecutables byte a byte
Un estudio denominado Machine Code Programming evaluó a grandes modelos generales a la hora de razonar directamente sobre bytes de archivos ejecutables sin compiladores, ensambladores, desensambladores ni entornos de ejecución. Los modelos identificaron cuatro programas binarios, añadieron funciones mediante parches de bytes, generaron archivos ELF64 según especificaciones y determinaron, en una muestra real de malware, que este descargaba y ejecutaba código máquina en memoria.
El contexto de la investigación señala que rara vez se escribe código máquina a mano: el flujo habitual consiste en escribir código fuente y que un compilador y un enlazador generen los bytes, para después usar desensambladores y decompiladores para retroceder. Las instrucciones x86-64 tienen longitudes variables, los saltos utilizan distancias relativas en bytes y los errores en los campos de la cabecera del archivo también pueden impedir que el programa se cargue.
El experimento utilizó la configuración de alto razonamiento gpt-6.1-sol, ejecutada mediante Codex CLI; los volcados hexadecimales se pegaron en el prompt, con aproximadamente 2,4 tokens por byte. Los investigadores pidieron al modelo que identificara, solo a partir de los bytes, tres programas escritos por ellos y un binario real ministat de FreeBSD. Los cuatro programas fueron identificados correctamente.
En el caso más difícil, el de ministat, el programa estaba compilado con -O3, enlazado estáticamente con musl, sin símbolos ni texto propio, y ocultaba las tres últimas cadenas. Aun así, el modelo encontró el bucle de decodificación, recuperó la lista de opciones y describió las ocho opciones completas; además, solo a partir de los bytes descubrió un defecto real: una opción etiquetada con un nivel de confianza del 99,5 % utilizaba un valor crítico de aproximadamente el 99,8 %. Posteriormente, los investigadores utilizaron Claude para confirmar el problema en el código fuente original.
En el experimento de parches, se pidió al modelo que proporcionara una lista de ediciones de la misma longitud que los bytes originales; las pruebas ocultas comprobaron las funciones antiguas, las nuevas y el manejo de entradas largas, y los tres parches pasaron. El modelo también pudo, sin ensamblador ni compilador, generar bytes ELF64 completos, incluida la cabecera del archivo, a partir de una especificación escrita; los tres archivos se ejecutaron correctamente y se ajustaron a los resultados de referencia. El programa ampliado utilizó entre 1,8 y 3,7 veces menos tokens de salida que escribirlo desde cero.
En el análisis de una muestra real, el modelo se enfrentó a un archivo PE32+ de 4608 bytes en el que la única importación visible era Sleep, mientras que otras llamadas a la API estaban ocultas tras hashes de nombres y las cadenas se construían en la pila. El modelo tardó 211 segundos en determinar que la muestra descargaría código máquina y lo ejecutaría en memoria, y el informe señaló información de servidor codificada de forma rígida.