人工签到法：

直接使用 Shift + F12 搜索字符串来定位关键 check；低版本 IDA 虽然不一定能直接识别中文，但如果能看到 FLAG 字符串，同样可以跟进到相关函数。
找到判断函数后进入，可以看到逐字符的明文比较逻辑。依次记录并 R 拼接字符即可得到 flag。
这次笔者用人工方式完成签到，但比首位解出 flag 的星盟师傅慢了 18 秒，略感遗憾。

自动化签到：

TL;DR

虽然只是签到题，但使用 MCP 只需一次点击运行，大约 1 分钟即可得出 flag，全程无需交互。

引子

最近有一张流传甚广的资深 CTF 选手 kyle的截图，大意是 DEFCON 的上有的队用AI杀疯了，AI 解（某些）题的速度完爆顶尖 CTF 手，新的时代或许来了。 （然后这个截图引出了一堆 drama 讨论）

后续还有 shellfish 的佬发了他们用 MCP 秒 DEFCON AD 题目的 Writeup:
7f6K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6%4K9h3I4Y4K9h3u0T1M7#2)9J5k6h3y4G2L8g2)9J5c8X3u0D9L8$3N6Q4x3V1k6V1k6h3k6U0L8$3&6Q4x3X3c8X3K9h3&6S2L8s2y4Q4x3X3c8E0j5%4m8Q4x3V1j5`.

笔者今年在 DEFCON 上也多次亲身体验到被 AI“碾压”的场景，因此笔者对当前 LLM 的分析能力和准确率感到颇为震惊。
相比之下，早期版本（如 GPT-4 ）幻觉往往十分严重，对于大型任务也经常会做到一半放弃。于是笔者好奇，这是否与前几天刚发布的 GPT-5 有关。或许它在自动化逆向方面比此前版本有了质的提升。

环境准备

这里笔者随便选了一个比较火的 IDA-MCP 框架：
48aK9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6E0M7X3g2^5L8$3c8A6j5g2)9J5c8X3W2V1j5g2)9J5k6s2m8J5L8#2)9J5k6r3#2U0M7q4)9J5c8R3`.`.

环境搭建相当简单。笔者使用 VS Code 作为聊天窗口，Copilot 对 GPT-5 接口的支持也较为友好（近期任何 GitHub 账号均可试用该接口，不需要激活 copilot；普通 OpenAI 用户想使用旗舰/新版本 API 的流式输出则需要通过 KYC 验证，美国人真坏啊）。
在新电脑上只需要：

• 安装 IDA 8 +
• 安装 Python 3.11 +
• 安装 VS Code
• pip 安装 451K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6E0M7X3g2^5L8$3c8A6j5g2)9J5c8X3W2V1j5g2)9J5k6s2m8J5L8#2)9J5k6r3#2U0M7q4)9J5c8R3`.`. 并本机安装插件（详见仓库 readme ）
• 在 VS Code 登录任意账号，选择模型 5.1 试用

就可以开始简单玩 IDA MCP 了

牛刀小试

IDA 打开题目附件，启动 MCP 插件，然后在 VS Code 新建一个 Chat 窗口即可开始解题。

可以看到 MCP 工作很流畅，并且似乎没有什么无关的分析

大概跑了五分钟就给出了最后的报告，笔者认为质量还是非常高的

随后笔者又试了 GPT-4.1 ，这里需要加提示词让它不要停不然（在笔者这里） LLM 会反复向用户询问接下来怎么做，4.1可能是更轻量的缘故，更快分析出了 flag ，但 token 消耗非常惊人，如果使用自有 API Key，很容易达到每分钟请求上限。

后记

GPT-4 在分析过程中还总是从入口函数开始逐步探索，虽然作为签到题仍能找到 flag，但从报告和过程来看，整体效率与思路不及 GPT-5；在稍复杂的题目中，或许难以在合理的 token 消耗下完成任务。

相比之下，GPT-5 的策略更贴近人类逆向思路：先检索字符串，通过交叉引用定位到 flag 校验函数，然后仅反编译必要的部分即可完成任务。
（包括在这次 DEFCON 中也能看出，GPT-5 会说“这看起来很难，但因为这是 CTF 题，所以应该存在一种合理的解法，让我们再思考一下”，然而之前早期版本笔者总需要提醒 LLM 不要放弃 Never gonna give you up，并且提示 LLM 一些做题的基础思路）

LLM 大概不是万能的，但在逆向这类包含大量重复性操作、需要快速编写脚本和批量分析的任务中，虽然笔者一直不喜欢 LLM 笔者认为或许 LLM（尤其是迭代迅速的最新版本）有潜力迅速超越传统方法，成为必备的效率工具。

此外，社区也在探索与动态调试工具结合的 MCP 方案，例如 retR0 的 pwno-mcp：
386K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6H3N6$3&6G2i4K6u0V1K9h3!0Q4x3V1k6H3N6$3&6G2i4K6u0V1L8h3y4H3

结合 GPT-5 的表现，笔者对 LLM 辅助安全研究的前景持相当乐观的态度

这里也期待今年 KCTF 挑战会带来更多有趣的对比与探索

传播安全知识、拓宽行业人脉——看雪讲师团队等你加入！