reverse-engineering-assistant

GitHub
705 61 较难 1 次阅读 昨天Apache-2.0语言模型开发框架
AI 解读 由 AI 自动生成,仅供参考

ReVa 是一款专为 Ghidra 设计的开源扩展,它通过模型上下文协议(MCP)搭建起人工智能与逆向工程之间的桥梁。这款工具旨在解决大语言模型在处理复杂二进制文件时常见的“上下文丢失”和“幻觉”难题,让 AI 能够像专业分析师一样,稳定地执行长周期的逆向分析任务。

与传统方案不同,ReVa 采用独特的“工具驱动”架构,为 AI 提供一系列轻量级、高容错的专业小工具。这些工具不仅输出关键代码片段,还会自动补充命名空间、交叉引用等深层上下文信息,引导 AI 模仿人类的探索逻辑去理解程序结构。这种设计显著提升了分析准确率,使其能够轻松应对大型二进制文件甚至完整的固件镜像。此外,ReVa 支持与其他 MCP 服务联动,例如结合 GitHub 服务器查阅源码或利用搜索引擎获取外部情报,极大拓展了分析维度。

无论是安全研究人员、逆向工程师,还是从事固件分析的开发人员,都能利用 ReVa 高效完成函数重命名、加密算法识别、漏洞脚本编写或生成类图等复杂工作。只需向 AI 提出自然语言问题,即可获得基于真实反编译数据的精准回答,让逆向分析变得更加智能且高效。

使用场景

某安全研究员正在分析一个未知的 IoT 设备固件,急需理清其加密逻辑与核心函数调用关系以挖掘潜在漏洞。

没有 reverse-engineering-assistant 时

  • 面对数百万行的反编译代码,人工梳理 main 函数到底层驱动的调用链耗时数天,极易在复杂的跳转中迷失方向。
  • 询问 AI 关于特定地址(如 0x80000)的功能时,因缺乏上下文关联,模型常产生“幻觉”,编造不存在的变量或逻辑。
  • 每次切换分析焦点都需手动查找交叉引用和命名空间信息,打断思维流,导致长周期任务中上下文记忆严重丢失。
  • 编写利用脚本(如 CTF 解题或 PoC)时,需反复在反汇编视图和代码编辑器间切换,手动提取字符串和常量,效率低下且易出错。

使用 reverse-engineering-assistant 后

  • 直接指令 reverse-engineering-assistant“从 main 开始详细分析并重命名变量”,它能自动遍历二进制文件,快速生成包含完整调用关系的程序摘要。
  • 查询特定地址功能时,工具自动提供该处的反编译代码、交叉引用及命名空间上下文,大幅抑制模型幻觉,确保回答基于真实二进制数据。
  • 在处理整个固件镜像等长任务时,reverse-engineering-assistant 通过小工具链式调用和智能上下文管理,有效防止“上下文腐烂”,保持分析连贯性。
  • 一句“检查是否使用加密并生成 Markdown 报告”,即可自动识别加密算法、定位关键字符串,甚至联动其他 MCP 服务搜索网络资料,直接输出结构化文档。

reverse-engineering-assistant 将原本需要数天的人工逆向摸索,转化为小时级的 AI 辅助探索,让研究员能像与资深搭档协作一样高效洞察二进制本质。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明 (取决于 Ghidra 及所分析二进制文件的大小)

依赖
notes该工具是 Ghidra 的扩展插件,核心依赖是 Ghidra 12.0 及以上版本。支持两种运行模式:1. 助手模式:需启动 Ghidra GUI,ReVa 作为 MCP 服务器监听端口(默认 8080);2. 无头模式:无需 GUI,适合 CI/CD 或 Docker 环境,通过 'mcp-reva' 命令调用。推荐使用 Claude Code 作为客户端。项目可通过 Gradle 从源码构建,或通过 Ghidra 扩展管理器安装发布包。
python未说明 (Headless 模式安装使用 uv 工具,PyGhidra 集成需匹配 Ghidra 的 Python 环境)
Ghidra >= 12.0
Gradle (用于源码编译)
uv (用于 Headless 模式工具安装)
PyGhidra (可选,用于 Python 脚本集成)
reverse-engineering-assistant hero image

快速开始

ReVa - 用于 AI 驱动逆向工程的 Ghidra MCP 服务器

一个为 AI 辅助逆向工程提供 Model Context Protocol (MCP) 服务器的 Ghidra 扩展

ReVa(逆向工程助手)是一个 Ghidra MCP 服务器,它使 AI 语言模型能够与 Ghidra 强大的逆向工程功能进行交互。ReVa 使用最先进的技术来限制 上下文腐烂,并支持长篇幅的逆向工程任务。

ReVa 与其他构建 RE 任务 AI 助手的努力不同,因为它采用了一种 工具驱动的方法,专注于设计用于有效使用 LLM 的工具。ReVa 旨在为 LLM 提供各种小型工具,就像你的逆向工程环境为你提供一系列小工具一样。

提供给 LLM 的每个工具都设计得易于使用,并且能够容忍多种输入,同时减少 LLM 的幻觉现象。我们通过为 LLM 提供模式定义,但同时允许其他形式的输入(包括引导 LLM 的描述),并将可纠正的错误重新导向 LLM,以及包含额外的输出来指导 LLM 的下一步决策,从而实现这一目标。

ReVa 的工具与其他解决方案不同,它们提供更小、更关键的片段,并辅以强化信息和其他相关信息的链接,以减少上下文使用和幻觉现象。这大大提高了性能,尤其是在处理长篇幅的逆向工程任务时。这也使得 ReVa 能够处理大型二进制文件,甚至整个固件映像。

为了鼓励像人类一样进行探索,我们在反编译结果中会报告命名空间和交叉引用等附加上下文信息,这是一种小小的提示,让 LLM 能够像人类一样探索二进制文件。

使用这种技术,你可以提出一般性问题并获得相关答案。模型会优先使用来自工具的信息,但在没有相关信息的情况下,它仍然可以根据自身的训练回答通用问题。

作为 MCP 服务器,ReVa 可以与其他 MCP 服务器一起使用,以丰富其分析内容。例如,你可以使用 GitHub MCP 服务器,让 ReVa 访问 GitHub 上的源代码;或者使用 Kagi MCP 服务器,让 ReVa 在网络上进行搜索。

你可以提出如下问题:

  • 检查该项目中的程序,并解释主二进制文件与共享库之间的关系。
  • 这个程序中有哪些有趣的字符串?
  • 这个程序是否使用了加密?请用 Markdown 格式撰写一份关于加密及其使用位置的报告。
  • 使用 PlantUML 语法绘制类图。
  • 从 main 函数开始,详细检查该程序。在检查过程中重命名变量,并提供该程序的摘要。
  • 解释 __mod_init 段的作用。
  • mmap 函数返回什么?
  • 地址 0x80000 处的函数是做什么的?
  • 这是一道 CTF 题。请编写一个 pwntools 脚本以获取 flag。

安装

注意:ReVa 仅支持 Ghidra 12.0 及以上版本!

ReVa 是一个 Ghidra 扩展。要安装它,你可以从发布页面下载适用于你所使用的 Ghidra 版本的发行版,并使用 Ghidra 扩展管理器进行安装。

或者,你也可以从源代码构建它。为此,克隆仓库并运行以下命令:

export GHIDRA_INSTALL_DIR=/path/to/ghidra
gradle install

安装扩展后,你需要在两个地方将其激活:

  1. 在项目视图中,打开“文件”菜单并选择“配置”。点击菜单右上角的“配置所有插件”按钮(看起来像一个插头)。勾选“ReVa Application Plugin”。
  2. 在代码浏览器工具中(点击龙图标或打开一个文件),打开“文件”菜单并选择“配置”。点击菜单右上角的“配置所有插件”按钮(看起来像一个插头)。勾选“ReVa Plugin”。然后点击“文件”并选择“保存工具”。这将默认启用 ReVa。

使用

有两种方式可以使用 ReVa:通过 Ghidra 界面的助理模式,或无头模式。无头模式非常适合自动化和 CI/CD 流水线,而助理模式则非常适合交互式分析。

在助理模式下,ReVa 会连接到你正在运行的 Ghidra,并能与你一起处理项目。它可以实时地在同一文件或项目的其他文件上工作。这对于深入分析非常有用,ReVa 可以帮助识别算法、重命名变量、修复数据类型,以及完成许多其他分析任务。

在无头模式下,ReVa 不需要 Ghidra 界面即可运行。这在自动化、CI/CD 流水线中,或者当你希望在流水线中运行 ReVa 时非常有用。ReVa 会为你自动启动 Ghidra 和项目。无头模式下的项目是临时性的(会话范围内的),并且会自动清理。当你不需要 Ghidra 界面,而希望 ReVa 独立工作时,这种方式非常实用。

你可以在 MCP 客户端的 MCP 配置中选择使用哪种模式。

助理模式

在助理模式下,你需要运行已安装 ReVa 的 Ghidra,并将你的 MCP 客户端连接到 Ghidra 中运行的 ReVa MCP 服务器。首先必须启动 Ghidra 并打开一个项目。

ReVa 使用 流式 MCP 传输,默认监听端口 8080,你可以在项目视图的 Ghidra 设置中更改此端口。这允许多个客户端连接到同一个界面,以便进行交互式使用。

Claude Code

Claude Code 是推荐用于 ReVa 的客户端,性能极佳,并且能够很好地处理大型二进制文件和项目。

claude mcp add --scope user --transport http ReVa -- http://localhost:8080/mcp/message

当你在 Ghidra 打开的情况下使用 claude 命令时,它会连接到 ReVa MCP 服务器。你可以通过在 Claude Code 聊天中输入 /mcp 来检查是否已连接。

为了默认启用所有 ReVa 命令,并避免每次使用工具时都需要确认,你可以在 Claude Code 中使用 /permissions 命令,添加一条针对 mcp__ReVa 的规则。这样 ReVa 就可以在无需你每次授权的情况下使用所有工具。

VSCode

VSCode 内置了 MCP 客户端,配置说明可以在 GitHub Copilot 文档 中找到。

{
  "mcp": {
    "servers": {
      "ReVa Assistant": {
        "type": "http",
        "url": "http://localhost:8080/mcp/message"
      }
    }
  }
}

无头模式

ReVa 可以在无 GUI 的 Ghidra 无头模式下运行,这使其非常适合:

  • 自动化 - CI/CD 流水线和自动化分析
  • Docker - 容器化的逆向工程工作流程
  • PyGhidra - 基于 Python 的自动化

Claude Code


# 设置 Ghidra 安装目录,这必须始终在您的环境变量中
export GHIDRA_INSTALL_DIR=/path/to/ghidra
uv 工具安装 reverse-engineering-assistant
claude mcp 添加 --作用域 用户 ReVa -- mcp-reva

claude -p "使用 ReVa 导入 /bin/ls,并告诉我它是如何工作的"

项目将在当前工作目录下的 .reva/projects/ 中创建。 如果您在同一目录下运行 claude,可以将多个文件导入到同一个项目中。只需让 ReVa 处理新文件即可。

PyGhidra 集成

您也可以直接从 PyGhidra 脚本中使用 ReVa:

import pyghidra
pyghidra.start()

from reva.headless import RevaHeadlessLauncher

# 启动服务器
launcher = RevaHeadlessLauncher()
launcher.start()

if launcher.waitForServer(30000):
    print(f"服务器已在端口 {launcher.getPort()} 上准备就绪")
    # ... 您的分析代码以及代理 ...
    
launcher.stop()

Claude 代码市场

ReVa 仓库包含一个 Claude 代码市场和插件,以使 ReVa 的使用更加便捷。这些包括技能和脚本,帮助 ReVa 更好地与 Claude 代码配合使用。

您可以使用以下命令进行安装:

claude plugin marketplace add cyberkaida/reverse-engineering-assistant

这会将 ReVa 技能 添加到您的 Claude 代码安装中。

  • 二进制初步分析
  • 深度分析
  • 加密分析
  • CTF 指南

我还会随着时间的推移添加更多技能,以帮助完成逆向工程任务。

支持

您喜欢我的工作吗?想支持这个项目及其他项目吗?对该项目的设计与构建过程感兴趣吗? 这个项目及许多其他项目都在我的直播频道 https://twitch.tv/cyberkaida 上实时开发!

版本历史

v7.2.12026/04/07
v7.2.02026/03/29
v7.2.0a2026/03/15
v7.1.12026/01/07
v7.1.02026/01/05
v7.0.02025/12/14
v6.0.12025/11/16
v6.0.02025/11/09
v5.0.02025/10/11
v4.5.02025/09/20
v4.4.02025/09/13
v4.3.02025/08/08
v4.2.02025/07/28
v4.1.12025/06/28
v4.1.02025/06/19
v4.0.02025/06/02
v2024-07-112024/07/11
v2024-05-062024/05/06

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|2周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

160.4k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

109.2k|★★☆☆☆|昨天
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|1周前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|1周前
插件开发框架