radareorg/r2ai

What it solves

대규모 언어 모델(LLM)을 radare2 프레임워크에 직접 통합하여 리버스 엔지니어링 프로세스를 단순화합니다. 이를 통해 분석가는 AI를 사용하여 복잡한 함수를 설명하고, 취약점을 식별하며, 역어셈블된 코드에 대해 더 나은 변수 또는 함수 이름을 제안받을 수 있습니다.

How it works

radare2의 플러그인으로 작동하며, 네이티브 AI 인터페이스(r2ai)와 전문화된 디컴파일 플러그인(decai)을 제공합니다. 로컬 모델(Ollama를 통해)과 원격 API(OpenAI, Anthropic, Grok 등) 모두에 연결할 수 있습니다. 이 도구는 함수 호출을 통해 자율적인 작업 해결을 위한 ReAct(Reasoning and Acting) 모드를 지원하며, markdown, 코드 또는 텍스트 파일을 사용하는 RAG(Retrieval-Augmented Generation)를 위한 네이티브 벡터 데이터베이스를 포함합니다.

Who it’s for

radare2를 사용하며 LLM을 활용하여 바이너리 코드 이해를 가속화하고자 하는 보안 연구원, 악성코드 분석가 및 리버스 엔지니어링 전문가입니다.

How it works

Highlights

• Augmented Decompilation: LLM을 사용하여 디컴파일된 코드를 더 읽기 쉽고 이해하기 쉽게 만듭니다.
• Customizable Prompts: 취약점 발견이나 장치 설명과 같은 작업을 위해 사용자가 특정 역할과 프롬프트를 정의할 수 있습니다.
• Integrated RAG: 외부 문서나 코드 파일을 기반으로 질문을 해결하기 위한 네이티브 벡터 데이터베이스를 특징으로 합니다.
• Flexible Model Support: 다양한 로컬 및 원격 LLM 제공업체와 호환됩니다.
• Scriptable Interface: r2pipe를 통해 자동화된 워크플로우를 제약어할 수 있습니다.