Come insegnare a un assistente AI ad analizzare APK, binari e JS senza allucinazioni infinite
Quando lanci Claude Code, Cursor o un altro assistente AI per fare reverse engineering di un binario sconosciuto, la rete neurale inizia rapidamente a inventare cose. Prova utility casuali, confonde i flag di radare2 e tenta di decompilare APK attraverso la semplice visualizzazione di stringhe. Passi mezz'ora a correggere gli errori di qualcun altro invece di fare il lavoro vero.
Il progetto reverse-skill cerca di risolvere questo problema attraverso scenari di routing strutturati.
Cos'è questo progetto
Essenzialmente, reverse-skill è una knowledge base pronta all'uso e un set di istruzioni per assistenti AI. Invece di dare al modello piena libertà di scelta, il repository imposta un albero decisionale rigoroso.
Il task in input passa attraverso le regole in RULES.md e raggiunge il router principale MASTER-ROUTING.md. L'AI riceve un'istruzione chiara: prima crea un contesto di ricerca, verifica il software installato sul sistema, e poi seleziona uno scenario per il tipo specifico di file.
Se Ghidra o Frida non sono disponibili sulla workstation, lo script di indicizzazione integrato mostra immediatamente questo all'assistente. Il modello non tenterà di invocare binari mancanti.
Cosa c'è dentro il repository
Gli autori hanno compilato istruzioni che coprono quasi duecento task diversi. L'intera collezione è organizzata in directory tematiche:
- Mobile reversing nelle cartelle
skills/apk-reverse/eskills/mobile-reverse/ - Analisi di file compilati (.exe, .so, .elf) con istruzioni per IDA Pro e radare2
- Deobfuscation di JavaScript lato client e lavoro con macchine virtuali personalizzate
- Analisi di dump di rete e REST API
- Orchestrazione di competizioni CTF attraverso il modulo
CTF-Sandbox-Orchestrator
Ogni area include un algoritmo passo-passo. La rete neurale non indovina quali comandi console usare—segue un protocollo: raccogli evidenze, verifica l'ipotesi, scrivi nel log.
Come distribuire e usare
Sotto il cofano, il progetto usa script PowerShell, shell Bash, Python e file Markdown. Puoi distribuire il sistema in un paio di passaggi:
Successivamente, esegui lo script di scansione dell'ambiente. Per Linux e macOS:
Per Windows:
Lo script verifica la presenza di JDK, Python, Node.js, Frida, jadx e crea un file locale skills/tool-index.md. Il modello vede lo stato corrente del sistema e capisce quali strumenti può effettivamente eseguire.
Alla radice ci sono README_AI.md e RULES.md. Quando colleghi il repository a un client AI, il modello legge prima queste configurazioni. Vietano esplicitamente azioni attive finché la fase di inizializzazione del contesto non è completata.
Analisi con esempi pratici
Considera uno scenario: devi analizzare un parametro crittografato in un client web. Una normale chat AI suggerirà un paio di funzioni casuali da StackOverflow. Con il pacchetto collegato, l'assistente apre skills/js-reverse/, controlla i debugger del browser e fornisce un piano di analisi sequenziale.
Il secondo caso è la ricerca su file APK. Il modello va a skills/apk-reverse/. Prima chiama jadx per la decompilazione Java, passa a Ghidra quando vengono rilevate librerie native, e usa Frida per tracciare le chiamate a runtime. I risultati vengono salvati nella cartella locale work/, che è esclusa dal tracciamento Git.
Vale la pena installarlo
Il progetto sarà utile per chi coinvolge regolarmente l'AI nell'analisi del codice o nella ricerca su binari. Se sei stanco di dover correggere costantemente le allucinazioni del modello e di ricordargli i flag corretti delle utility CLI, il repository ti farà risparmiare tempo.
La documentazione sembra sovraccarica a causa del numero di file markdown, ma l'approccio di routing rigido per gli assistenti AI funziona benissimo.