利用本地大语言模型自动化恶意软件逆向工程

为了自动化恶意软件逆向工程，有人提出将PyGhidra（Ghidra的Python绑定）、Neo4j图数据库以及通过LM Studio运行并使用API密钥的本地大语言模型Qwen3相结合。该过程包括多个阶段：使用PyGhidra从二进制文件中提取事实（反汇编、反编译、收集元数据和调用图），将数据加载到Neo4j中，利用邻居上下文通过本地大语言模型分析每个函数，将标签聚合成功能，构建行为链，并生成报告。在对一个WannaCry样本（195个函数，分析耗时126分钟）的测试中，该系统以100%的置信度识别出三种行为模式：文件加密、C2通信和反分析。发现的反调试模式已由YARA规则DebuggerCheck__API确认。