AI 自动化逆向二十闭环验证怎么证明 AI 的结论说的是正在跑的程序本文是「AI 自动化逆向」系列第 20 篇。上一篇让 AI 长周期跑一个项目上下文与文档怎么组织下一篇预告同义反复的度量AI 最容易糊弄你的地方。前言上一篇把文档体系撑了起来。这一篇回答一个更根本的质询它悬在每一页静态结论的头上AI 写了几百页结论——它们说的是磁盘上那个文件还是正在跑的那个程序这不是哲学问题是工程问题。静态和运行之间隔着一整个装载黑盒重定位、换构建、各种保护层。翻译表说自己映射的是运行时地址——凭什么同前几篇文中AI指执行分析的模型我指设定目标、审结果的人内容均已脱敏。一、说的是正在跑的程序要靠什么站出来作证静态结论如果只和磁盘上的字节对得上可能错在三种地方表本身就错地址身份不对——它映射的偏移从一开始就是错的表对但那段代码从没被执行静态世界里存在一个函数不等于运行时真的走过它跑的根本是另一个构建文件是 A 构建、进程里是 B 构建同一份程序这个默认前提就塌了。三种病对应三种证词。项目里最后凑齐的是一套闭环验证让静态结论对运行中的程序做出可逐字节检验的预测再让它去兑现。三层闭环一层比一层硬。二、过程三层闭环闭环 1调用点计数——把地址身份变成两侧的对账只读、全量第一层是个漂亮的交叉验证而且一个字节都不用写若某个函数运行态地址 文件态地址 偏移那么每一条指向它的直接调用都必须在装载时被重新编码。于是——两侧对指向它的调用的清点必须相等。这个清点强在哪两个计数取自两段完全不同的字节流文件里的一个区、运行内存里的另一个区而运行态地址本身来自第三条独立的测量不是这两个计数算出来的。所以三个来源两两独立——偏移若错运行侧的计数会直接指向别处掉到零。结果107 个可翻译函数里102 个计数完全相等把文件侧也要有调用作为强检验档94.5% 通过。更妙的是那 5 个不匹配它们全部落在**早就标着待查**的行里——而且和运行构建比文件构建多了几百字节同一工程的另一个构建完全相容。不匹配没有动摇模型反而给这是另一个构建提供了旁证。为什么这一层比抓现行式的验证更有力一次覆盖全部证明的恰好是表唯一宣称的东西地址身份全程只读。闭环 2注入式打点——把确实执行变成命中写操作、全还原第二层解决表对但没被执行让它当场跑一次给你看。方法是把选中函数的入口改成跳到一个观察桩桩里累加一个计数器、把调用者的返回地址记进一个滚动环——然后外部只读轮询。写操作遵守上一篇的全部纪律原字节先存好、结束时无条件写回、逐处核验。结果一个函数在观察窗里拿到22 次命中、抓到2 个调用者——两轮独立复现完全一致。顺带看到了路径形态命中成对出现、间隔约 1 秒、成对之间约 25 秒——一条周期性路径的指纹。这一层里有个值得单独标出的动作布点前同一条前提在运行态又验了一次——正是这第二次校验抓到一个文件侧形态与运行侧不符的条目后来查清它的入口多了一层准备桩第 13 篇讲过。如果只在文件侧验过就直接照抄就会改到一个语义不同的入口。闭环 3返回地址反查——让动态对静态做一个会被打脸的预测第三层最干脆也是全篇的题眼。一条返回地址 R在物理上意味着R 减 5 个字节处必须恰好有一条调用指令而且它的目标必须正是那个函数。——这不是叙述这是一个可以被逐字节检验的预测预测得越具体被打脸的成本越低。差一个字节就是 MISMATCH。兑现情况两个返回地址翻回去两条调用指令全部 MATCH、零 MISMATCH而且这两个调用点本来就在静态扫描出的七百多个调用点的集合里——动态抓到的和静态列出的是同一批。这就是闭环两个字的实际含义动态做出预测静态逐字节兑付。两头对上的那一刻这个结论说的是正在跑的程序就不再是一句自辩。三、判据与验证四条1. 跑的是不是同一个构建是要测的命题不是默认前提。静态结论的每一页都该能回答我说的是哪个镜像。2. 交叉验证的几条路必须真正独立。两个计数 一个独立测量的地址——三条血统查过对账才算数第 14 篇那把尺子在这里量的是证据链。3. 要动态做的是预测不是见闻。我看到它跑了只是见闻“我预测 R-5 处有一条目标为 X 的调用你去看”——这才是可被机器证伪的样板。4. 同一条前提每个镜像各验一次。文件侧验过运行侧再验——第二次校验不是重复劳动它是抓到反常的唯一机会。还有一条隐含的观测手段的侵入性和证据强度不成正比。三只闭环里最硬、覆盖率最全的那层是纯只读的。四、结论在跑的程序和文件里的程序是两个东西。闭环验证的实质是让静态结论在运行态兑现、让动态观测在静态里落位——两头各自独立却必须严丝合缝。一条通用的借鉴给每条结论设计一个会被打脸的预测然后看它敢不敢去兑现。兑现成功结论升级对不上差的那个字节会告诉你错在哪一层。这比任何我认为它是这样的叙述都便宜、都硬。五、边界声明本文只讨论AI 自动化逆向中的判据设计与审核方法不涉及任何具体产品、厂商或服务的分析结论。文中所有地址、偏移、常量、字段名一律为占位符或示意值不代表任何真实目标中的取值示例代码为说明判据而编写不构成可运行的针对特定目标的工具。文中提到的比例与数字均来自作者项目内的测量记录仅用于说明方法失效的方式。请勿将本文内容用于未授权的用途。六、收尾闭环讲的是证明它对。下一篇讲它的反面一个永远对的度量——改完也不会红的断言、按构造就不可能失败的检查——也就是 AI 最容易糊弄你的那一手同义反复。下一篇计划聊同义反复的度量AI 最容易糊弄你的地方。转载请注明出处https://lizhiyong.blog.csdn.net/article/details/169068923