[原创] 一个自带压缩的ida mcp-AI 工具与工作流-看雪安全社区

# IDA-MCP + SEMZ：把反汇编压到三分之一，让 LLM 真正读得动二进制

> 工具已开源（地址见文末），支持 IDA 8.4+，本文基于 IDA 9.2 + ds v4 pro 实测(欸平坦化的例子太好找了, 不过样本很单一找机会多测几个而且这个算是半成品吧, 有疑问评论区友好交流谢谢)。
> 提醒: 压缩汇编不是为了取代伪c的, 而是尽可能减少输入和推理所用的token

## 一、LLM 读二进制的 token 困境

大模型辅助逆向现在是很多人的日常，但真正把反汇编喂给模型时，账单会很诚实：

- 一个 300~400 指令的函数，IDA 导出的 raw disasm 大约 8~12KB——单看不多，但逆向是**多轮对话**：
  每个函数、每一轮追问都要重发一遍，上下文窗口和 token 费用都在燃烧。
- 直接喂 decompile 结果省 token，但编译器视角会丢细节（被优化掉的中间量、混淆插入的死代码），
  做去混淆/漏洞分析时这些恰恰是重点。
- 混淆样本（OLLVM flatten、VMProtect 外层）尤其恶劣：有效逻辑可能只有 50 条指令，
  但分发器和状态机把文本量放大 5~10 倍，模型的注意力被垃圾指令稀释。

**问题本质不是模型读不懂汇编，而是反汇编文本的信息密度太低。**
`mov w8, #0x1` / `str w8, [sp, #0x1c]` 这种指令，LLM不需要 30 个字符来理解。

于是有了这套东西：**IDA-MCP**（把 IDA 的分析能力暴露成 MCP 工具）+ **SEMZ**（一套为 LLM
设计的反汇编语义压缩格式，把反汇编压到原文的 1/3 甚至更低再喂给模型）。

## 二、IDA-MCP 总览

架构一句话：每个 IDA 实例内跑一个 FastMCP HTTP server，外面再架一个独立网关，
把多个 IDA 实例聚合成一个稳定的 MCP 端点。(不是啥好设计懒得折腾了就这样吧反正能用)

```
LLM 客户端 ──► 网关 127.0.0.1:11338/mcp ──► IDA 实例 #1 (端口 10000+)
                                      ──► IDA 实例 #2
                                      ──► ...
```

几个工程要点：

- **73 个 MCP 工具**：反汇编/反编译/交叉引用/类型/内存/调试器/数据库修改/生命周期，
  装饰器注册（`@tool` + `@idaread`/`@idawrite`，写操作强制在 IDA 主线程执行）。
- **多实例**：网关按实例注册转发，同时分析多个二进制不打架。
- **安全门控**：`py_eval`、`patch_bytes`、`dbg_*` 这类危险工具默认关闭（`enable_unsafe=false`），
  网关请求要求 token 鉴权，空 token 直接拒绝（fail-closed）。
- **安装**：`install.py` 交互式安装，自动探测 IDA 目录（含 `D:\ida9.2` 这类版本化目录）、
  配好 IDAPython、装依赖、写配置。

(这里的话其实设计成那种get tool的会更好)

## 三、SEMZ：为 LLM 设计的反汇编压缩

这是本文的主角。核心目录 `ida_mcp/compress/` 是**纯 Python、零 IDA 依赖**的压缩管线，
`parse → normalize → cfg → liveness → 五层压缩 → dsl`，可以脱离 IDA 单测。

### 3.1 五层压缩

| 层 | 内容 | 效果 |
|---|---|---|
| L1 | 助记符字典 `#MN`（mov→m, ldr→l, str→s, cmp→f...） | 指令名 1~2 字符 |
| L2 | 寄存器字典 `#RG`（x0..x25→a..z, sp→S, x29→D） | 操作数大幅缩短 |
| L3 | 常量池 `#K`：重复 ≥2 的立即数/地址/符号池化 | 重复常量一次定义 |
| L4 | 序列宏 `#P`：挖掘重复 ≥2 的指令序列（3~8 长度 n-gram） | 重复骨架一次定义 |
| L5 | 基本块标签化：CFG 重建，跳转目标全部渲染为 `Ln` | 控制流可读 |

外加**保守死代码消除**（基于 CFG 可达性的 liveness 分析，删除计数写入头部 `e=n`，不偷偷丢东西）。

### 3.2 四个级别与 ultra 固定表

`safe`（仅字典）→ `full`（+DCE）→ `max`（+nop 消除、cmp+jcc 融合）→ `ultra`（默认）。

ultra 的关键决策是**全局固定表**：助记符/寄存器映射不再随函数生成（省掉 `#MN`/`#RG` 头部开销），
所有函数共享同一套编码——`m`=mov、`l`=ldr、`f`=cmp、`j`=b……模型只需要学一遍。
配套措施：

- **恒融合**：`cmp + b.cond` 永远写成一行 `geq L7: f wi,K0`（= `cmp wi,K0` + `b.ge L7`）；
- **帧消隐**：标准序言/尾声折叠成 `#f=70` 一行，栈变量自动呈现为 `[S+1c]` 形式；
- **习语折叠**：`mov x0,#0` / `eor x0,x0,x0` → `z a`；
- **常量和宏只在重复 ≥2 时才进池**，避免为小常量支付头部开销。

### 3.3 实际长什么样

一个 flatten 混淆样本（122 指令 ARM64），压缩后全文：

```
#SZ1 fn=text arch=arm64 at=0x401000 o=122 u=92 e=1 r=18.7%
#K K0=0x1 K1=0x1C K2=0x10 K3=0x14 K4=0x18 K5=0x450000
#P P0=l wm,[S+K4];add wm,wm,wl;s wm,[S+K4];add wl,wl,K0
#P P1=s wk,[S+K4];m wa,wk;c K5;z wl
#f=70
L0:
m wi,K0
s wi,[S+K1]
j L1
L1:
l wi,[S+K1]
geq L7: f wi,K0
L2:
geq L10: f wi,2
...
```

头部 `#SZ1` 自带统计：原始 122 指令、压缩后 92 行、删 1 条死代码、**字符比 18.7%**。
分发器的 cascade 结构（L1~L5 连续 `geq` 比较）在压缩文本里一目了然——这正是它被设计出来的目的。

### 3.4 标签体系：with_map 与 extract_block

压缩是有损呈现（地址被标签替换），工程上必须留好"还原通道"：

- 函数内所有直接跳转目标**恒渲染为 `Ln` 标签**（即使 IDA 已命名为 `loc_xxx`，旧版会漏成内联地址，已修）；
- `with_map=true`：返回 `{map: {"L0":"0x401000", ...}}` 标签→地址映射，落盘时写 sidecar `.map.json`；
- `extract_block(query, labels)`：按标签切出"头部 + 指定基本块原文"——给子任务/子代理
  分片喂块时不用手工切文本；
- 间接跳转表经 IDA xref 解析后输出 `#J L92: L12,L9`，解析不了如实写 `unresolved`。

## 四、实测数据

| 样本 | 原始 | 压缩后 | 字符比 |
|---|---|---|---|
| flatten 教学样本（ARM64，122 指令） | 122 insn / 全量 disasm | 92 行 | **18.7%** |
| OLLVM 混淆真实函数 sub_1C79D4（359 指令/111 基本块） | 359 insn | 356 行 | **45.5%** |

1. 压缩收益来自**重复结构**。教学样本里 6 个 case 的 body/loop/tail 三元组高度重复，
   宏挖掘收益巨大，所以能到 18.7%；真实混淆函数冗余少，45.5% 是更保守的预期。
   一般函数落在 15~45% 区间，**token 节省约 55~85%**（token 与字符近似正比）。
2. 这是"呈现层压缩"，不是信息压缩——`e=3` 告诉你删了 3 条死代码，`#K`/`#P` 定义都在头部，
   配合随附的解码手册（约 180 行，随 prompt 携带），模型解码不需要心算猜测。

工程验证：压缩核心 **95 项纯 Python 单测**（语料覆盖序言/分支/循环、VM handler 宏、死代码、
x64dbg trace），另有需活 IDA 的集成测试套件对照基线样本跑回归。

## 五、工具链一览

| 工具 | 用途 |
|---|---|
| `compress_function(query, level, with_map, ...)` | 按地址/符号压缩整个函数（默认 ultra） |
| `compress_range(start, end, ...)` | 压缩任意地址范围（线性反汇编） |
| `compress_text(asm_text, ...)` | 纯文本压缩，不触 IDA——IDA 导出文本、x64dbg trace 都能压 |
| `extract_block(query, labels)` | 按 Ln 标签切出指定基本块（+头部），分片神器 |

大输出的三种活法：`line_offset/line_limit` 按行分页、`out_file` 落盘（绕过 120KB 内联上限）、
`expand_macros=true` 把 `#P` 宏全部内联展开（更长但零心算，模型读不动宏时的逃生口）。

## 六、实战：某个 神秘厂.so 混淆函数去平坦化

这套压缩格式最初就是为"LLM 做控制流去平坦化"设计的。我们用它对某商业 .so 中的
一个 OLLVM 混淆函数完成了半自动 deflat(需要手动认证所以是半自动)，全程数据如下：

**样本规模** (绝对真实)

| 指标 | 数值 |
|---|---|
| 函数 | sub_1C79D4（ARM64） |
| 指令数 / 基本块数 | 359 / 111（压缩后 104 个标签） |
| 压缩文本 | 356 行，字符比 45.5% |
| 分发器结构 | 双 cascade（二叉搜索树）+ hub 重入点 + 块内嵌 mini-cascade |
| case 常量 | 9 个随机 32 位值（有符号比较） |
| 过渡块 | 5 个（真实块与分发器之间的"写状态+跳转"链路） |

**还原结果**

| 指标 | 数值 |
|---|---|
| 真实块出边 | 15 条 |
| 静态解析成功 | 13 条（含 2 条 csel 条件二选一边） |
| 动态不可解析 | 2 条（写值运行时决定，属静态还原理论上限） |
| **出边还原率** | **86.7%** |
| 最终产物 | 完全解密伪 C：无 state 变量、无 goto、无分发器残留，原始控制流完整重建 |

整个流程由 agent 框架编排（recon 分发器分析 → 五不变量校验门 → 分片块分析 →
串联伪 C → 出边机械解析 → patch），压缩文本是唯一喂给模型的汇编形态——
没有 SEMZ 的密度，这种规模的多轮分析在上下文窗口里根本转不开。

框架的具体设计（多 cascade 建模、过渡块、校验门、resolve_edges 解析器）值得单独写一篇。~~还能再水一篇~~

## 七、局限

- **理解语义仍应优先 decompile/disasm**。SEMZ 的定位是批量阅读与跨函数传输的压缩层，
  不是反编译器替代品；精密分析请回到 Hex-Rays。
- 压缩文本需要解码手册才能读（约 180 行 prompt 开销）——函数小于 ~200 指令时手册
  开销大于压缩收益，不值得用。
- DCE 是保守的（宁可留不可错删），激进优化不在设计目标内(后面把vmp反混淆的整个搞好了以后会比这个激进)。
- switch 型跳转表依赖 IDA 的 xref 解析质量，解析失败如实报 `unresolved`，不编。

## 八、结语

LLM 逆向的瓶颈正在从"模型能力"转向"喂料效率"。SEMZ 的思路很朴素：汇编文本里
60~80% 的字符对理解语义没有贡献，那就别喂了。配合 IDA-MCP 的工具链，模型可以把
有限的上下文花在真正的分析上。

项目结构（欢迎更正）：

```
IDA-MCP/
├── instructor/LLM_INSTRUCTOR.md # 给模型的指导手册约5000token怎么用看你自己了嵌claude.md那些的都行
├── ida_mcp.py          # 插件入口
├── ida_mcp/            # 工具、网关、代理
│   └── compress/       # SEMZ 压缩核心（纯 Python，可独立单测）
├── install.py          # 交互式安装器
├── test/               # 95 项纯 Python 单测 + 活 IDA 集成测试
└── API.md              # 73 个工具的完整契约
```

> 开源地址：<mark class="encrypted">700K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6o6j5i4c8y4k6h3!0%4i4K6u0V1x3U0x3K6i4K6u0r3d9f1c8m8i4K6u0V1e0f1y4b7i4K6u0r3</mark>
> readme已著编写方法
 ![](upload/attach/202607/1034725_TDSY7UQMJ7BTMWB.webp)

回复或点赞可查看完整内容

冰与火的战歌：Windows内核攻防实战高级班！从零到实战，融合AI与Windows内核攻防全技术栈，打造具备自动化能力的内核开发高手。

最后于 2026-7-28 18:26 被Catmeow编辑，原因：

最新回复 (44) 1 2 ▶
Catmeow 雪币： 481 活跃值： (1275) 能力值： ( LV2，RANK：10 ) 在线值：发帖 4 回帖 51 粉丝 2 关注私信	Catmeow 2 楼欸后面会跟vmp那个整合的你们都白嫖太坏了不过这篇有点狗屎最后于 2026-7-24 23:14 被Catmeow编辑，原因： 2026-7-24 23:14 1
mb_ldbucrik 雪币： 6 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 708 粉丝 7 关注私信	mb_ldbucrik 3 楼向大佬学习 2026-7-25 01:06 0
mb_sojygxif 雪币： 200 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 1 粉丝 0 关注私信	mb_sojygxif 4 楼大佬思路厉害 2026-7-25 16:40 0
xingbing 雪币： 158 活跃值： (5806) 能力值： ( LV2，RANK：10 ) 在线值：发帖 2 回帖 1402 粉丝 2 关注私信	xingbing 5 楼向大佬学习 2026-7-25 16:45 0
wx_白鸟之诗雪币： 1200 活跃值： (1210) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 52 粉丝 0 关注私信	wx_白鸟之诗 6 楼 666666666666 2026-7-25 20:00 0
墨穹呢雪币： 4770 活跃值： (8232) 能力值： ( LV3，RANK：20 ) 在线值：发帖 2 回帖 231 粉丝 18 关注私信	墨穹呢 7 楼感谢分享 2026-7-25 20:04 0
mb_cezdpjbw 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 21 粉丝 0 关注私信	mb_cezdpjbw 8 楼 1 2026-7-26 10:53 0
Emil_796703 雪币： 1023 活跃值： (435) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 27 粉丝 0 关注私信	Emil_796703 9 楼想大佬学习 2026-7-26 10:58 0
hacker521 雪币： 2686 活跃值： (5851) 能力值： ( LV2，RANK：10 ) 在线值：发帖 6 回帖 226 粉丝 30 关注私信	hacker521 10 楼向大佬学习 2026-7-26 11:18 0
mb_ysegxpmv 雪币： 2251 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 118 粉丝 0 关注私信	mb_ysegxpmv 11 楼谢谢大佬的分享 2026-7-26 11:18 0
woaiziyou 雪币： 1343 活跃值： (3285) 能力值： ( LV2，RANK：10 ) 在线值：发帖 13 回帖 80 粉丝 1 关注私信	woaiziyou 12 楼学习 2026-7-27 09:59 0
mb_lecmckno 雪币： 200 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 4 粉丝 0 关注私信	mb_lecmckno 13 楼 1 2026-7-28 14:26 0
tmaijengjeng 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 9 粉丝 0 关注私信	tmaijengjeng 14 楼 666 2026-7-28 14:31 0
Darght 雪币： 36 活跃值： (91) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 2 粉丝 0 关注私信	Darght 15 楼向大佬学习 2026-7-28 15:58 0
mb_snipdvqe 雪币： 0 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 19 粉丝 0 关注私信	mb_snipdvqe 16 楼 6 2026-7-30 10:39 0
MaYil 雪币： 9448 活跃值： (8077) 能力值： ( LV2，RANK：10 ) 在线值：发帖 1 回帖 485 粉丝 2 关注私信	MaYil 17 楼感谢分享 2026-7-30 10:47 0
mb_gkakdomk 雪币： 220 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 5 粉丝 0 关注私信	mb_gkakdomk 18 楼谢谢大佬的分享 2026-7-31 02:38 0
拍拖雪币： 2790 活跃值： (7151) 能力值： ( LV6，RANK：90 ) 在线值：发帖 22 回帖 436 粉丝 15 关注私信	拍拖 2 19 楼感谢分享 2026-7-31 11:39 0
万神fake 雪币： 48 能力值： ( LV1，RANK：0 ) 在线值：发帖 2 回帖 84 粉丝 3 关注私信	万神fake 20 楼谢谢大佬的分享 2026-8-1 14:39 0
mb_qimctavn 雪币： 5329 活跃值： (6790) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 402 粉丝 1 关注私信	mb_qimctavn 21 楼 6 2026-8-1 15:25 0
mb_kfdusnod 雪币： 198 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 9 粉丝 0 关注私信	mb_kfdusnod 22 楼大佬思路厉害 2026-8-1 21:47 0
FMNS 雪币： 9 活跃值： (2036) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 124 粉丝 1 关注私信	FMNS 23 楼感谢分享 2026-8-4 08:17 0
Imxz 雪币： 110 活跃值： (9576) 能力值： ( LV2，RANK：10 ) 在线值：发帖 6 回帖 775 粉丝 9 关注私信	Imxz 24 楼 tql 2026-8-5 14:14 0
mb_ktrizhsc 雪币： 209 能力值： ( LV1，RANK：0 ) 在线值：发帖 0 回帖 2 粉丝 0 关注私信	mb_ktrizhsc 25 楼 nb 2026-8-8 19:59 0
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复