앱 리버스 엔지니어링을 비싸게 만드세요. AI 지원 리버스 엔지니어링에 대응하기 위해 네이티브 바이너리와 모바일 앱을 위한 빌드 시점 감사, 강화 및 검증 하네스입니다.
당신의 앱을 리버스 엔지니어링하기 어렵게 만드세요 — 측정하고, 강화하고, 증명하세요.
이제 누구나 AI 에이전트에게 한 문장만 입력하면 배포된 앱을 리버스 엔지니어링할 수 있습니다; blue-harness는 그 비용을 높이고, 얼마나 비싼지 측정하며, 각 방어 기법이 실제로 작동함을 증명합니다.
당신이 소유한 네이티브 바이너리 및 모바일 앱을 위한 빌드 시점의 안티 리버스 엔지니어링 강화 및 감사 하네스입니다.
docs/assets/demo.tape로 녹화되었습니다. 실제 출력이며, 연출된 것은 없습니다.
git clone https://github.com/seifheakal/blue-harness && cd blue-harness
make demo # audit a sample build, show its hardening plan, then PROVE every defense fires
make verify # run every check and print one posture summary
자신의 바이너리를 지정하세요:
make report BIN=path/to/your/binary # exposure audit + the ordered hardening plan
make harden BIN=path/to/your/binary # apply every post-build hardening (honest about the rest)
외부 의존성 없음: C 툴체인, make, Python 3.
[!CAUTION]
🔴 도움 요청 — 더 큰 모델로 blue-harness 테스트하기
아래의 before/after는 노트북(RTX 3070, 8 GB VRAM / 16 GB RAM)에서 작은 4비트 양자화 7B 모델로 수행한 단일 실행(N=1) 입니다 — 하한선이지 상한선이 아닙니다. 하드웨어가 있다면 더 큰 로컬 모델이나 프런티어 모델을 동일한 두 빌드에 적용하고 채점된 결과를 PR로 보내주세요. 더 강력한 공격자만이 우리의 작은 실행이 도달하지 못한 계층을 테스트할 수 있습니다. 이제 명령 하나면 됩니다 —
make slice-k-run MODEL=<your-model>이 봉인된 쌍을 빌드하고, 에이전트를 구동하며, 정직한 before/after를 출력합니다(그리고 일반 로컬 모델을 막던 도구 호출 마찰도 수정했습니다). 5분 가이드: docs/HOW-WE-TESTED.md.
리버스 엔지니어링은 예전엔 진짜 기술이 필요했습니다. 이제 누구나 AI 에이전트를 바이너리에 겨누고 문장 하나를 입력하면 읽을 수 있는 코드나 동작하는 패치를 돌려받을 수 있습니다 — 그리고 출시된 소프트웨어에 대한 값싼 크래킹이 이와 함께 폭발적으로 늘었습니다.
blue-harness는 그 위협을 겨냥한 방어 툴킷입니다. 자신의 빌드를 대상으로 실행되며, 감사 우선 원칙으로 세 가지를 합니다:
| 빌드 | 크랙됨 (해시 검증) | 토큰 | 소요 시간 | 단계 |
|---|---|---|---|---|
| 보호되지 않음 | 예 | 1,256 | 1.6 s | 3 |
| 강화됨 | 아니오 | 16,785 | 195 s | 13 |
동일한 에이전트가 보호되지 않은 빌드는 2초 이내에 크랙했습니다; 강화된 빌드에 대해서는 토큰 13배, 소요 시간 약 120배를 소모하고도 여전히 실패했습니다. 문자열 암호화, 안티 디버그, 분석 표면 고갈이 모두 발동하는 것이 확인되었습니다. 솔직히 말하면, 허니토큰 계층은 발동하지 않았습니다 — 에이전트가 더 이른 단계에서 멈췄기 때문에 그 계층은 테스트되지 않았습니다(바로 더 큰 모델이 시험할 부분입니다). 방법과 주의사항: docs/HOW-WE-TESTED.md · 전체 보고서.
아홉 가지 대응책으로, 각각 테스트로 발동이 증명되었고 각각 정직한 강도 등급과 명시된 우회 방법을 갖추고 있습니다 — 여기서 깨뜨릴 수 없다고 주장하는 것은 없습니다.
| 대응책 | 무력화 대상 | 등급 | 명명된 우회 |
|---|---|---|---|
| 안티 디버그 / 안티 ptrace | 라이브 디버깅 및 트레이싱 (GDB, Frida attach) | 유의미 | Frida가 검사를 후킹; spawn-paused 우회가 먼저 로드됨 |
| 문자열 암호화 (요청 시 복호화) | 바이트에서 직접 비밀 정보 읽기 | 속도 저하→유의미 | 내장 키 → 저장 상태에서 복구; 메모리에서 추출 |
| Dev→release 신원 변환 (strip / rename / decoy) | 에이전트가 추론하는 이름 및 심볼 | 속도 저하→유의미 | 행위 기반 교차 검증이 이름을 무시 |
| 안티 Frida 탐지기 | Frida 주입 (maps / threads / port) | 유의미 | 스텔스 모드, 이름 변경된 가젯, 비기본 포트 |
| 코드 무결성 + 서버 증명 | 핫 함수 패치 | 유의미→강력 (서버 연동) | 지속적 라이브 후킹; 클라이언트 키는 추출 가능 |
| 코어 덤프 억제 | 크래시 코어 메모리 읽기 | 속도 저하 | 호스트에서 코어 재활성화; 라이브 메모리 읽기 |
| 분석 표면 소진 | "모든 것을 수집"하는 에이전트의 예산 | 사소→속도 저하 | 실제 섹션 + 참조된 심볼로 필터링 |
| 허니토큰 / 카나리 | 문자열 마이닝된 "발견"을 오염 + 유출 출처 추적 | 속도 저하 / 유의미 (탐지) | xref 검증이 미끼를 제거; 티나는 섹션 이름 변경 |
| Mach-O 로컬 심볼 strip | macOS/iOS 바이너리의 내부 이름 | 속도 저하→유의미 | 내보낸 이름은 남음; 런타임 동일성은 macOS에서만 입증됨 |
Mach-O 미끼 비매핑 세그먼트 (vmsize=0 LC + 트레일러) | Mach-O에서 "모든 것을 수집"하는 에이전트 | 사소→속도 저하 | 로더 충실 도구는 vmsize==0 LC + 트레일러를 제거 |
| Mach-O 허니토큰 / 카나리 | 문자열 마이닝된 "발견"을 오염 + 유출 출처 추적 | 속도 저하 / 유의미 (탐지) | xref 검증이 미끼를 제거; 티나는 마커 이름 변경 |
Claude 스킬이 현재 상태를 읽고 다음으로 가장 가치 있는 강화 조치를 — 등급과 우회 방법과 함께 — 매번 알려줍니다.
현재 작동하는 것
harden, 이를 구동하는 Claude 스킬, 그리고 푸시할 때마다 모든 방어가 작동함을 재입증하는 CI 게이트 (362개 검사 통과).make slice-k-run) — 범용 로컬 모델이 실제로 구동할 수 있도록 견고한 도구 호출 심 포함.아직 완료되지 않은 것
다음 단계, 순서대로
의도적으로 범위 밖: 웹/번들 트랙 (Electron / JS / Wasm / .NET). 이는 나중에 별도의 명확히 표시된 트랙으로만 추가될 것이며 — 결코 조용히, 결코 "증명하라" 보장을 희생하면서 추가되지 않음.
blue-harness는 AI 지원 RE에 대응하는 유일한 도구가 아닙니다 — 위협이 실제임을 보여주는 좋은 신호입니다. 차이점은 네이티브 바이너리에 대한 깊이와 주장이 아닌 증명에 있습니다. (아래 동료 도구 설명은 각자의 README에서 가져온 것이며, 우리가 직접 실행해 본 것은 없습니다.)
| blue-harness | BLA (~2.3k★) | antirea (~36★) | AREA (~3★) | |
|---|---|---|---|---|
| 초점 | 네이티브 바이너리 + 모바일 (ELF / PE / Mach-O) | 폭넓은 범위: JS / Electron / Wasm / .NET 번들 | 에이전트 지시 파일 장벽 | 난독화 도구 모음 |
| 네이티브 바이너리 방어 | 테스트로 작동이 입증됨 | README: Ghidra / Frida / LLDB "실행 안 함" | — | "설계 목적", 측정된 결과 없음 |
| 보호 증거 | 메커니즘 테스트 + 측정된 전후 비교 | 내부 추정치 + 드리프트 검사 | 스스로 한정함 ("보장 없음") | "억제이지 증명은 아님" |
| 정직성 | 등급 + 모든 방어에 명시된 우회 경로 | 상태 라벨; 추정 배수 | 자체 한계를 명시함 | "결심한 사람은 뚫는다" |
blue-harness는 이미 동료 도구들의 네이티브에 적용 가능한 최선의 아이디어(표면 소진, 허니토큰 오염)를 자체 메커니즘 입증 대응책으로 흡수했습니다. 경쟁 환경 분석을 참조하세요.