HumanifyJS

使用大型语言模型（“AI”）对 JavaScript 代码进行去混淆

该工具利用大型语言模型（如 ChatGPT 和 Llama）以及其他工具，来对 JavaScript 代码进行去混淆、去压缩、转译、反编译和解包。请注意，大型语言模型并不会对代码结构做出任何更改——它们仅提供重命名变量和函数的提示。真正的核心工作由 Babel 在 AST 层面完成，以确保代码保持一一对应的等价性。

版本 2 已发布！🎉

与 v1 相比，v2 的亮点包括：

• 不再需要 Python！
• 增加了大量测试，代码库现在真正可维护了。
• 重新设计的 CLI 工具 humanify 可通过 npm 安装。

➡️ 请查看介绍博客文章以获取更详细的说明！

示例

给定以下经过压缩的代码：

function a(e,t){var n=[];var r=e.length;var i=0;for(;i<r;i+=t){if(i+t<r){n.push(e.substring(i,i+t))}else{n.push(e.substring(i,r))}}return n}

该工具将输出一个易于阅读的版本：

function splitString(inputString, chunkSize) {
  var chunks = [];
  var stringLength = inputString.length;
  var startIndex = 0;
  for (; startIndex < stringLength; startIndex += chunkSize) {
    if (startIndex + chunkSize < stringLength) {
      chunks.push(inputString.substring(startIndex, startIndex + chunkSize));
    } else {
      chunks.push(inputString.substring(startIndex, stringLength));
    }
  }
  return chunks;
}

🚨 注意： 🚨

处理大文件可能需要较长时间，并且如果使用 ChatGPT，会消耗大量 token。粗略估计，该工具处理每个字符大约需要 2 个 token：

echo "$((2 * $(wc -c < yourscript.min.js)))"

因此，作为参考：使用 ChatGPT 对一个经过压缩的 bootstrap.min.js 文件进行去压缩，大约需要花费 0.5 美元。

当然，使用 humanify local 是免费的，但可能耗时更长、准确性较低，而且可能无法在您现有的硬件上运行。

开始使用

安装

先决条件：

• Node.js ≥20

推荐通过 npm 安装该工具：

npm install -g humanifyjs

这会将工具全局安装到您的机器上。安装完成后，您应该能够通过以下命令运行该工具：

humanify

如果您想在安装前试用，可以使用 npx 来运行：

npx humanifyjs

这会下载工具并在本地运行。请注意，此处的所有示例都假定工具已全局安装，但您也可以将 humanify 替换为 npx humanifyjs 来实现相同的效果。

使用

接下来，您需要决定是使用 openai、gemini 还是 local 模式。简而言之：

• openai 或 gemini 模式
  • 在专门为此类任务优化的他人服务器上运行
  • 费用取决于代码长度
  • 准确性更高
• local 模式
  • 在本地运行
  • 免费
  • 准确性较低
  • 运行速度取决于您的 GPU 性能（也可以在 CPU 上运行，但可能会非常慢）

有关每种选项的详细说明，请参见下文：

OpenAI 模式

您需要一个 ChatGPT API 密钥。可以通过访问 https://openai.com/ 注册获取。

有几种方式可以将 API 密钥提供给工具：

humanify openai --apiKey="your-token" obfuscated-file.js

或者，您也可以使用环境变量 OPENAI_API_KEY。运行 humanify --help 查看所有可用选项。

Gemini 模式

您需要一个 Google AI Studio 密钥。可以通过访问 https://aistudio.google.com/ 注册获取。

您需要将 API 密钥提供给工具：

humanify gemini --apiKey="your-token" obfuscated-file.js

或者，您也可以使用环境变量 GEMINI_API_KEY。运行 humanify --help 查看所有可用选项。

Local 模式

Local 模式使用预训练的语言模型来对代码进行去混淆。由于模型体积较大，未包含在仓库中，但您可以使用以下命令下载它：

humanify download 2b

这会将 2b 模型下载到您的本地机器上。只需执行一次即可。您也可以根据本地资源选择下载其他模型。使用 humanify download 列出可用的模型。

下载模型后，您可以运行以下命令：

humanify local obfuscated-file.js

这将使用您本地的 GPU 对代码进行去混淆。如果您没有 GPU，工具会自动回退到 CPU 模式。请注意，使用 GPU 可显著加快处理速度。

Humanify 原生支持 Apple 的 M 系列芯片，并能充分利用 Mac 的 GPU 性能。

功能

该工具的主要功能包括：

• 使用 ChatGPT 功能或本地模型，智能建议重命名变量和函数名称
• 使用自定义和现成的 Babel 插件，在 AST 层面进行去混淆
• 使用 Webcrack 解包 Webpack 打包文件

贡献

如果您希望贡献代码，请 fork 该仓库并使用特性分支。欢迎提交 Pull Request。

许可证

该项目中的代码采用 MIT 许可证授权。

HumanifyJS 快速上手指南

HumanifyJS 是一款利用大语言模型（LLM）智能反混淆、还原压缩 JavaScript 代码的开源工具。它通过 AI 提供变量和函数重命名建议，并结合 Babel 在抽象语法树（AST）层面进行安全转换，确保代码逻辑 1:1 等价。

环境准备

• 操作系统：Windows / macOS / Linux
• 运行时依赖：Node.js >= 20
  • 请确保已安装 Node.js，可通过 node -v 验证版本。
• 硬件要求（仅限本地模式）：
  • 若使用 local 模式，建议配备独立 GPU 以获得最佳速度。
  • 支持 Apple M 系列芯片，可充分利用其 GPU 性能。
  • 无 GPU 时会自动降级为 CPU 模式（速度较慢）。

安装步骤

推荐使用 npm 全局安装：

npm install -g humanifyjs

安装完成后，即可在终端直接使用 humanify 命令。

提示：若不想全局安装，可使用 npx humanifyjs 直接运行，但后续示例均假设已全局安装。

基本使用

使用前需选择运行模式：OpenAI、Gemini 或 Local。

1. OpenAI 模式（高精度，收费）

适用于需要最高还原准确率的场景。需准备 OpenAI API Key。

humanify openai --apiKey="your-openai-api-key" obfuscated-file.js

也可设置环境变量 OPENAI_API_KEY 避免每次输入密钥。

2. Gemini 模式（高精度，收费/免费额度）

使用 Google AI 模型。需准备 Google AI Studio API Key。

humanify gemini --apiKey="your-gemini-api-key" obfuscated-file.js

也可设置环境变量 GEMINI_API_KEY。

3. Local 模式（免费，依赖本地算力）

完全本地运行，免费但速度取决于硬件性能。首次使用需下载模型。

第一步：下载模型

humanify download 2b

(注：2b 为模型代号，可通过 humanify download 查看其他可用模型)

第二步：执行反混淆

humanify local obfuscated-file.js

使用示例对比

输入（压缩代码）：

function a(e,t){var n=[];var r=e.length;var i=0;for(;i<r;i+=t){if(i+t<r){n.push(e.substring(i,i+t))}else{n.push(e.substring(i,r))}}return n}

输出（Humanify 还原后）：

function splitString(inputString, chunkSize) {
  var chunks = [];
  var stringLength = inputString.length;
  var startIndex = 0;
  for (; startIndex < stringLength; startIndex += chunkSize) {
    if (startIndex + chunkSize < stringLength) {
      chunks.push(inputString.substring(startIndex, startIndex + chunkSize));
    } else {
      chunks.push(inputString.substring(startIndex, stringLength));
    }
  }
  return chunks;
}

注意：处理大型文件时，OpenAI/Gemini 模式会消耗较多 Token；Local 模式则耗时较长。