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

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：

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）。

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)

几个工程要点：

(这里的话其实设计成那种get tool的会更好)

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。

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）。

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：

一个 flatten 混淆样本（122 指令 ARM64），压缩后全文：

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。

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"：

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。

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）。

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)

还原结果

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

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）：

开源地址：1e1K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6Y4K9i4c8Z5N6h3u0Q4x3X3g2U0L8$3#2Q4x3V1k6o6j5i4c8y4k6h3!0%4i4K6u0V1x3U0x3K6i4K6u0r3d9f1c8m8i4K6u0V1e0f1y4b7i4K6u0r3
readme已著编写方法

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

#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
...

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

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

[内核课程]《Windows内核攻防实战》！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。