cyberkaida/reverse-engineering-assistant

解决的问题

ReVa 解决了在复杂逆向工程任务（如分析大型二进制文件或固件）中使用 AI 的困难。它通过提供结构化的、工具驱动的界面，使 AI 专注于关键且可管理的数据片段，从而解决了“上下文衰减”问题，即 AI 模型在长时间分析过程中丢失相关信息的问题。

工作原理

ReVa 使用模型上下文协议 (MCP) 在 Ghidra 逆向工程平台和 AI 语言模型之间架起桥梁。ReVa 不会将海量数据直接丢给 AI，而是提供了一套专门的、小型工具，供 AI 按需调用。这些工具提供特定的相关信息，如命名空间、交叉引用和反编译代码片段。这种方法模仿了人类逆向工程师使用工具包的方式，引导 AI 有条不紊地探索二进制文件，同时减少幻觉。

适用人群

它专为使用 Ghidra 并希望将 AI 辅助集成到工作流程中的安全研究人员、CTF 参与者和开发人员而设计。它支持交互式分析（通过 Ghidra UI）以及用于 CI/CD 流水线或批处理的自动化无头分析。

主要亮点

• 工具驱动设计： 为 AI 提供小型、特定的工具，以减少上下文过载并提高准确性。
• 交互式与无头模式： 可与 Ghidra GUI 配合进行深入的实时分析，也可在后台运行以执行自动化任务。
• MCP 兼容性： 与 Claude Code 和 VSCode 等标准 MCP 客户端集成，允许将其与其他工具（如 GitHub 或网络搜索）结合使用。
• 类人探索： 包含上下文提示（如交叉引用），鼓励 AI 像人类专家一样调查二进制文件。
• 可扩展性： 支持针对特定任务（如二进制分类、密码学分析和 CTF 挑战）的自定义技能。