有人给 AI 逆向工具下了毒:BLA 的手法与天花板
- 2026-11-18 01:36:17
传统加固的思路是"让代码看不懂"。BLA 的思路是"让 AI 分析不完"。这两种目标的差别,决定了它能不能被拆掉——以及哪一部分拆不掉。
BLA(仓库 qybaihe/bla,全称 bla-agents / Blind LLM Agents)是一个开源(MIT)的"蓝队"工具,定位写得毫不含糊:保护软件发布物,对抗 AI 逆向代理。TypeScript / Node 实现,交付形态是 MCP Server(31 个工具)+ CLI + 打包插件 + 技能包,宣称覆盖 26 种格式。
它开场就亮口号:POISON → EXHAUST → HALLUCINATE——下毒、耗死、让它产生幻觉。这三步和"混淆"没有关系,值得单独拎出来讲。
它明确不做什么
README 里把两个"不做"写在了最前面,而且说得挺损:
- 不做变量名混淆
。理由很直接: _0x1a2b那种东西,现代 LLM 一秒就能总结完。 - 不做重型 VM 加壳
。会破坏跨平台构建,还掉性能。
它打的是另一张牌:把 token 预算、上下文窗口、分析器的硬上限,当成攻击面。目标是让 AI 代理从「分析完成」掉到「勉强有限」或者干脆容量报错——在核心逻辑被提取出来之前。
四大支柱,各有各的打法
| Poison | ||
| Exhaust | ||
| Entangle | ||
| Truman Show |
几个具体到能验证的数字,比形容词有说服力:
ASAR 头从 607 B 撑到 16.9 MiB,正好越过 16 MiB 的解析上限; Go 的 buildinfo 从 50 KiB 到 1.16 MiB(约 23 倍);BEAM 的 chunks 从 84 B 到 262 KiB(约 3000 倍); Safetensors / GGUF 只动 metadata 的嵌套深度,张量字节和权重一个都不改,HF 照常加载; WASM 加完自定义 section, WebAssembly.validate仍然通过。
支撑"不减速"承诺的是一个挺巧的设计:耗尽的图和诱饵负载,都藏在 $O(1)$ 的数论不透明谓词后面(比如 7x² − 1 ≠ y² (mod 7)),或者干脆塞进格式里的惰性区段。正常执行路径几乎零开销,14 个内置样本都过了输入输出等价测试。
反过来拆:四条战线,三种结局
真正有意思的部分在这里。把上面四类防护按"能不能绕"重新排一遍,结论差得非常远:
| Exhaust | 部分可解 |
| Poison | 脚本能剥典型的 |
| Entangle | 无解 |
| Runtime Truman Show | 无解 |
Exhaust:唯一真有旋钮的一类
这一类的本质是"把输入撑到阈值之上"。既然是阈值,就永远有两个变量:输入多大,以及对面那道门槛多高。
ASAR 的 16 MiB header 上限,是分析器里的一个常量。改常量、或者把整块读改成流式解析,这一路当场失效;退一步,先做结构剥离——只取 header 的索引区、跳过内容区——体积也能被打回正常量级。WASM、模型文件、PCAP 同理:先切块、再做摘要、最后针对性深挖。
所以"容量击穿"对"预算自适应"的分析策略几乎无效。只要不再一次性把 16.9 MiB 喂进上下文,这一类就是整套防护里最软的一环。
但要注意:切分不是无损的。跨块的引用关系(比如调用方作用域折叠)会丢,这类"解"是以牺牲完整性换来的——你会拿到一份能看懂、但对不上的分析结果。
Poison:剥得了模板,剥不了语义
典型的蜜罐 SourceMap 特征很硬:sourcesContent 和产物本身对不上、mappings 的 VLQ 段落指向文件长度之外、names 里堆着一批没人引用的标识符。写个脚本批量识别、把 sourcemap 整个丢掉,成本极低。
真正难缠的是另一半:格式合法、语义错误的元数据。Safetensors 的 metadata、GGUF 的 ARRAY 嵌套、PE 的 .enclave 段、SQLite 的 honey 表——它们不违反任何规范,加载器照常加载,压根没有"文件是否损坏"这种可用信号。
这类只能人工交叉验证:把元数据字段和运行时真实行为一条条对,看哪些是从来没人读的。注意,Poison 的收益本来就不在"骗过你",而在"让你必须多花一轮去证明它是假的"——这一轮,就是它想收的税。
Entangle:真正的天花板
机制本身很简单:JS、WASM、原生 sidecar 各自握着兄弟产物的 SHA-256 摘要,运行时互相对账。关键在于——它不在静态可剥离的区段里,它就是程序自己的执行逻辑。
后果是一条链:想删掉诱饵代码,兄弟校验不过;想 nop 掉校验点,那本来就不是单点;想把导出函数拽出来当离线 oracle 单独跑,没有兄弟产物它直接拒绝工作。
剩余路径只有整链一起改:定位全部校验点、逐个改掉、重算所有摘要、重新打包。做到这一步,工作量已经接近重写一遍。
这就是它和 Exhaust 的本质区别——Exhaust 打在分析器的参数上,是配置问题;Entangle 打在产物的自洽性上,是设计问题。配置可以改,设计只能拆。
Runtime Truman Show:静态永远证不了动态
检测到 CDP、Node Inspector、Frida、WebDriver 附着,就把一份可信的合成遥测喂回去。你在调试器里看到的一切,都可能是被安排好的。
从方法论上说这是无解的——不是技术上做不到,而是"动态观察"这个动作本身被污染了。唯一干净的锚点是静态事实:产物里的常量、调用图、字符串,以及同一份产物在无调试环境下的外部行为。
所以规矩只有一条:任何动态结论都必须能和静态证据对上;对不上的部分一律按"未知"处理,不要按"看起来像"处理。这条听起来像废话,但真在楚门的世界里待过的人,会知道它有多值钱。
规律:可解项都在格式层,不可解项都在语义层
把上面四条并排看,会看到一个很整齐的分界:
- Exhaust 和 Poison 作用在"文件的形状"上
:体积、嵌套深度、元数据字段、注释和映射表。这些都是产物之外的附加信息,剥掉不改变程序行为,所以能被自动化。 - Entangle 和 Truman Show 作用在"程序的行为"上
:谁校验谁、失败怎么办、被调试时返回什么。剥掉它们,程序语义就变了;不剥,它们就一直收税。
这顺便纠正一个常见误判:很多人默认"加固强度 = 代码有多难读"。BLA 恰恰说明不是。它前半段(下毒、耗死)确实只是"难读",后半段(自封、假遥测)是"难改、难验"——不对称性全在后半段。
要是真去反:一套分层打法
前面讲的是"能不能",这一段讲"怎么做"。前提先说清楚:以下都是方法论层面的分析,靶子是公开的 MIT 项目和自己写的样本,不针对任何第三方软件;也不给现成的绕过工具。真正值得注意的是——这套打法有相当一部分不是"逆向",而是工程流水线。
原则只有一条:按"能不能自动化"排工作量,不要按"看起来多难"排。顺序错了,你会把 80% 的时间砸在注定无解的那 20% 上。
五步流水线,每一步的产出都能复用:
- 定型
:先认出样本被哪几个 shield 动过。26 种格式各有指纹,认错格式等于白干。 - 剥离
:去掉所有"非语义附加信息"——sourcemap、metadata、惰性区段、注释。这一步不碰程序逻辑,纯删。 - 归一
:把产物还原成分析器友好的形态。流式读、分块读、深度剪枝,随阈值而定。 - 对账
:静态图与运行时观测强制交叉验证,冲突以静态为准。 - 收敛
:只剩 Entangle 链需要重投入,其余应已收敛为可复现的脚本。
反 Exhaust:把"阈值"还原成参数
先分清体积是从哪来的,三种来源处理方式完全不同:
- 索引膨胀
(ASAR header 那一类):结构是"索引 + 内容"。只需要索引区就能重建文件树,内容区可以完全不读。换成流式解析、或者只取索引,16 MiB 的上限当场变成无关变量。 - 内容膨胀
(buildinfo、超长字符串那一类):先做长度直方图,异常字段会自己跳出来——正常字段的长度分布和注入字段不是一个数量级。 - 嵌套深度
(模型 metadata 那一类):先做深度剪枝,只看前 N 层,剩下的按引用采样。深度本身不承载语义,砍掉不会丢逻辑。
每次容量报错,先自问一句:是我读太多,还是它写太多?前者改策略,后者做裁剪。混在一起查,会一直以为是工具不行。
唯一要防的副作用:切分切断跨块引用(作用域折叠就属于这类),你会得到一份读得懂但对不上的结果。做法是先单独抽一份"引用边清单",切分时保留边的两端,最后再补。
反 Poison:把蜜罐识别当成特征工程
别一个个肉眼看,把"像不像蜜罐"拆成可编码的信号,大概三类:
- 自指不闭合
:sourcemap 里 sourcesContent、mappings、names三者互相校验,蜜罐总有对不上的地方(行列越界、引用计数为零、段落长度超文件)。 - 无人引用
:元数据字段在产物里找不到任何读者;蜜罐表名在全部 SQL 里从没出现过。这个信号在 SQLite、WASM 导出表上尤其干净。 - 语义反常
:格式全对但不可能成立——版本号像真的却不是该构建链会产出的、枚举多出一项没人处理、TEE 委托清单声明了一个根本不存在的 enclave。
但真正决定成败的不是识别,而是取证方式的改变:从"读一遍"改成"跑一遍"。对每个可疑字段做差异实验——改它,看行为变不变;不变的就是惰性的,可以安全删掉。这比读文本可靠得多,因为它直接回答"参不参与计算"。
所以这一步真正的依赖不是更聪明的模型,而是一张能用的调用图 / 数据流图。没有图,你只能靠猜;有图,蜜罐是"零入度节点",一眼就能摘出来。
反 Entangle:别急着删校验,先清点校验
这里最常见的错误是上手就 patch。Entangle 的设计前提就是"单点不成立",你 patch 掉的那一处只是链条上的一节。
正确的第一步是画图,不是动手。需要回答三个问题:
- 覆盖范围
:摘要算的是整文件、还是某几个关键段?覆盖整文件的,删一个字节都过不去;只覆盖关键段的,诱饵可以单独处理。 - 失败行为
:校验不过时是崩溃、降级还是静默?静默最难查——你会以为一切正常,其实早进了假分支。 - 可观测性
:校验点会不会通过错误码、时序或产物差异泄出来?能观测就能定位,定位了才有后续。
查完通常会得到一个不愉快的结论:单点无效,只能整链替换——定位全部校验点、改掉、重算所有摘要、重新打包。工作量与"重写一遍"同一量级,这就是它想要的定价。
既然"还原原逻辑"这么贵,就该换掉问题本身:不追求还原整个产物,只提取你需要的那一小块行为——黑盒采样输入输出、局部重实现、接受"行为等价但实现不同"。这条路绕开了所有校验链,代价是拿不到原始结构。对互操作、兼容、迁移类目标,它几乎总是更划算;只有当你必须知道"它到底怎么写的"时,才值得回去硬啃。
反 Truman Show:把观测搬出被污染的信道
被污染的是"进程自我报告"这一整条信道:内存、日志、返回值、时序,全在它手里。所以要换信道,而不是换工具。
- 外部副作用
:文件写入、网络请求、子进程、系统调用。这些发生在被保护进程之外,编排成本高得多。 - 环境对照
:同一输入,在有调试附着和无调试附着两种环境下各跑一遍,比对副作用差异。差异本身就是"这里被做了手脚"的定位器。 - 静态锚点
:字符串表、常量池、调用图。运行时无论怎么演,都不会改变产物里的静态事实。
判定规则非常朴素,但必须严格执行:动态与静态冲突,以静态为准;两者都不支持,记为未知。绝大多数"分析出幻觉"的案例,都是在这一步偷懒——把"看着像"当成了"是"。
算一笔账:为什么这套防护其实很划算
把四类按"反向成本 / 可自动化程度 / 是否一次性解决"排一下,结论很清楚了:
看这张表就明白了:防御方是一次投入,攻击方是每次重付。Exhaust 和 Poison 你拆一次就能写成语料库里的脚本,但对面的 Entangle 每换一个样本就要重做一轮——成本不随样本量摊薄,反而线性叠加。
这就是这类方案真正的价值:它没打算"防住",它打算让攻击收益随样本数量衰减。对只解一个样本的人来说它形同虚设;对要批量处理几百个产物的流水线,它是灾难。
还有一个更高层的"反法"值得记住:先问值不值,再问怎么拆。如果你的目标是复现行为(互操作、兼容、迁移),黑盒差分测试加局部重实现,通常比还原原始实现便宜一个数量级。逆向真正的硬成本从来不是"看不懂",而是"验证对不对"——而 BLA 加深的恰恰是第三条。
它自己划的边界,也值得记一笔
这套东西的诚实度在安全项目里算高的,几条关键限制都写在明面上:
实测只跑过一个 REA 工具,README 明确写"这不是对 Ghidra / Frida / LLDB / Rizin / JADX 的声明"; Ghidra 原生反编译、Frida/LLDB/GDB 实时会话、完整 APK 流水线、固件、GPU fatbinary —— 设计上支持,未实证; benchmark 里那串"1000 多倍 token 放大 / 500 多倍成本放大"是内部估算,不是真实攻击者账单; WASM 是 partial、EVM 是"接近上限"、Flutter 是 projected —— 逼近,不等于击穿。
代价也很实在:分发体积能涨两三个数量级,启动和加载时间跟着涨。虽然声称保持了 HF / Wabt / tshark 的可加载性,但这些边角兼容性是需要自己验的,不能只看口号。
还有一条容易被忽略的工程约束:bla lint 会拒绝在三种情况下开最高强度——源码里残留 FLAG{...} 明文密钥、单点完整性校验、未绑定的导出校验函数。这三个条件恰好就是 Entangle 能成立的前提,值得对着源码核一遍。
想试的话
npx bla-agents harden .npx bla-agents benchmark两条实操提醒,都是核对 README 得到的,不是猜的:
npx会从 npm 下载并执行第三方代码; npx bla-agents setup会改写你本机 Claude Code / Cursor / Codex 等 agent 的 MCP 配置,harden会直接改产物文件。先在隔离目录或容器里过一遍源码,别在工作机上直接跑。用之前先接受它的定位:项目明确限定"只保护自有软件",FAQ 里直接写了不能拿去处理别人的软件。这不是套话免责——Entangle 的校验点必须是你自己写的,"自洽"才有意义。
一句话总结:BLA 不承诺"不可逆",它承诺"更贵"。真正让它站得住的是 Entangle 和假遥测——因为这两类不给脚本留接口;而它最响亮的"容量击穿",反而是最容易被预算策略抹平的一环。所以反它的正确姿势不是"更用力地读代码",而是分层:把能自动化的两成(剥离、归一)做到底,把不能自动化的两成(自封、假遥测)换成别的问题——要么整链重写,要么干脆只要行为不要实现。评估这类防护方案时也一样:别看它踩中了多少个上限,看它能在哪一层把成本变成非线性的。