知一知 · 今日
← 返回本期日报

AI 前沿

实验显示大模型可逐字节读写可执行文件

本期日期 2026-11-22 · 08:00 北京时间

一项名为Machine Code Programming的研究测试通用大模型在无编译器、汇编器、反汇编器和执行环境时直接推理可执行文件字节。模型识别四个二进制程序、通过字节补丁增加功能、按规格生成ELF64文件,并在真实恶意样本中判断其下载并在内存执行机器码。

研究背景指出,人工编写机器码很少见,通常流程是编写源码后由编译器和链接器生成字节,再用反汇编器和反编译器回溯。x86-64指令长度可变、跳转使用相对字节距离,文件头字段错误也会导致程序无法加载。

实验使用gpt-6.1-sol高推理设置,通过Codex CLI运行;十六进制转储粘贴进提示,约为每字节2.4个token。研究人员让模型只凭字节识别三个自编程序和一个FreeBSD ministat真实二进制。四个程序均被正确识别。

在最难的ministat案例中,程序以-O3构建、静态链接musl、去除符号和自身文本,并隐藏最后三个字符串。模型仍发现解码循环、恢复选项列表并描述全部八个选项,还仅凭字节发现一个真实缺陷:标注99.5%置信度的选项使用了约99.8%的临界值。研究人员随后用Claude在原始源码中确认该问题。

补丁实验要求模型给出与原字节等长的编辑列表,隐藏测试检查旧功能、新功能和长输入处理,三个补丁均通过。模型还能在无汇编器和编译器的情况下,根据书面规格输出包含文件头在内的完整ELF64字节,三个文件均成功运行并符合参考结果。扩展程序比从头编写少用1.8至3.7倍输出token。

真实样本分析中,模型面对一个4608字节PE32+文件,可见导入只有Sleep,其他API调用隐藏在名称哈希后、字符串在栈上构造。模型用211秒判断该样本会下载机器码并在内存中运行,且报告指出硬编码服务器信息。

原文来源

Hacker News ↗
返回本期日报打开交互阅读页