面向二进制安全的大模型多智能体框架

本文提出一种面向二进制安全场景的大模型多智能体分析框架,系统由底层沙箱执行与分布式样本存储集群、多领域安全专家智能体、基于 MCP 协议的 AI 工具网关层、VLLM 推理集群 + 语义路由算力调度模块、结果可视化 Web 平台共同构成。框架集成静态逆向分析、动态调试、运行时内存堆栈捕获、漏洞可利用性验证能力,解决纯静态分析难以判定漏洞是否可利用的行业痛点,支撑二进制漏洞挖掘与恶意代码分析全链路自动化。

我始终在开发这套框架的底层功能,但整套体系落地工程量庞大,粗略估计代码体量超1000万行,仅凭我个人推进,进度缓慢、难以快速落地成型。因此我选择完全开放这套原创架构设计思路,欢迎国内各路安全团队研讨、借鉴,推动产品落地迭代。AI时代已然到来,率先建成这套二进制安全智能体系架构,就能抢占行业先机,引领下一代信息安全发展。于行业、于技术而言,落地的个人或团队并不重要。

希望国内安全团队勇于创新、敢于突破,网络攻防对抗永不停歇,数字疆域的守护者们

架构图预览

image

二进制难点

很多企业和非技术从业者会存在一个认知误区,认为所有漏洞本质上没有区别。实际上漏洞可划分为应用层漏洞与内核层漏洞两大类。

其中应用层漏洞,又可以分为两类:带源码的软件漏洞、无源码的二进制程序漏洞。二者挖掘难度差距巨大,完全不在一个量级。

对于拥有源代码的软件,借助大模型可以高效识别大量语法缺陷与安全问题,基本能够发现并验证全部已知及未知漏洞。这好比拿到了完整的施工图纸,有图纸作为参照,挖掘漏洞的门槛很低;如果连这种场景都无法产出结果,只能说明大模型能力不足。这类源码层面漏洞近乎可以量产,挖掘门槛低,相应的研究价值也有限。

真正具备高价值的是二进制漏洞。在没有源码(没有施工图纸)的前提下,需要依靠逆向分析、动态调试等手段定位漏洞并完成有效性验证,这才是高难度的漏洞挖掘体系。

传统模式下,一个高危二进制RCE漏洞挖掘周期通常长达半年到一年,部分场景甚至需要 2-3 年。能挖出一个漏洞往往需要极好的运气及精湛的技术,远非市面上一些夸大宣传、模糊混淆概念,描述的那般轻松。

本方案正是面向这类最难分析的二进制目标所设计,用于加速二进制漏洞挖掘过程,让其更好的发现隐患。

解决问题

对于漏洞挖掘与二进制测试来说,最难的不是代码静态分析。大模型很容易把代码流程解析清楚,但漏洞验证不能只依靠静态代码。要确认二进制漏洞真实存在、具备可利用性,必须结合当前系统堆栈、内存状态做动态验证。病毒分析也是同样道理:只有在动态执行过程中,才能看清完整运行细节,这就需要依靠动态调试技术完成精准分析。

整套体系落地后,将构建一套全智能化、无人值守的二进制分析系统,解放大量重复性分析工作。当系统正式运行,一套由智能体驱动的新一代安全体系就此诞生。在这套体系下,人工不再需要介入分析过程,系统可以持续自主迭代进化;人类只需要作为观察者,接收最终分析报告。

适用场景

  • 二进制程序逆向分析:对二进制程序结构、执行逻辑进行解析
  • 闭源软件功能复刻:参考目标程序设计思路,实现同类功能产品研发
  • 工控设备固件复刻:基于闭源固件逻辑开展国产化替代、功能重构研发
  • 恶意样本分析:面向恶意病毒、木马样本开展威胁分析
  • 特征码分析及提取:提取二进制样本特征信息
  • 漏洞挖掘与验证:开展二进制程序安全缺陷挖掘
  • 工控设备安全审计:对闭源工控固件、内置软件开展安全风险评估
  • 商用软件安全测评:开展软件自身安全机制的检测与评估
  • 加壳程序安全研究:针对样本,分析程序加壳保护原理,研究程序防护与脱壳防御技术
  • 游戏安全攻防研究:研究外挂原理与检测机制,用于反外挂防御体系建设

项目进度

已完成

项目名称中文名版本有效代码量状态
BinSentry二进制哨兵动态调试引擎1.0.0 测试版9万余行已完成
PEDagger二进制尖刀PE文件管控软件1.0.0 测试版5万余行已完成
BinDetective二进制侦探静态反编译引擎1.0.0 测试版23万余行已完成

研发中

HyperSandbox 虚拟化沙箱控制器 复测中
HyperSandbox 虚拟化沙箱 研发中

排队中

ELF 管控客户端
CE 内存检索客户端
通用脱壳机客户端
模糊测试客户端
进程行为监视器
网络爬虫客户端
流量分析客户端
明察之眼-二进制客户端(二次开发)
内核级动态调试器
内核级内存读写
内核级流量分析
内核级驱动测试
内核级EDR(终端检测与响应)系统
内核级ARK反内核客户端
VT增强客户端
自研杀毒软件系统
非杀毒杀毒软件系统
AI中枢管理系统