Rev·Deck — 借助 Ghidra 的 AI 辅助逆向工程

Rev·Deck 是一款本地、单用户的静态分析工作站。它将证据优先的 Web 界面与 LLM 副驾驶（copilot）相结合，作用于由无头 Ghidra 服务分析过的二进制文件：你可以直接浏览确定性证据（函数、字符串、导入、交叉引用、有界调用图），也可以向助手提出有界问题，而助手的任何事实性论断都必须引用可检查的证据。

被分析的二进制文件绝不会被执行。浏览器只与本 Flask 应用通信；该应用将经过验证的类型化请求代理给 Ghidra 服务。

演示

https://github.com/user-attachments/assets/fba14dc5-7ad5-4137-9349-ed824da64fbe

快速开始（Docker）

cp .env.example .env      # set API_BASE and MODEL_NAME; set API_KEY if required
docker compose up --build

Docker Compose 会自动读取 .env 进行变量插值。如果缺少 API_BASE 或 MODEL_NAME，它会在启动前直接失败；API_KEY=not-used 对本地/免密钥提供商仍然有效。整个服务栈会启动这两个服务。打开 http://127.0.0.1:5000。

如果只想运行 Ghidra 服务：

docker pull biniamfd/ghidra-headless-rest:latest   # ensure the newest image

docker run --rm \
  -p 127.0.0.1:9090:9090 \
  -v "$(pwd)/data:/data/ghidra_projects" \
  --security-opt no-new-privileges:true \
  biniamfd/ghidra-headless-rest:latest

为了可复现地固定版本，请使用经过测试的发布版摘要（digest），而不是 latest：

docker run --rm \
  -p 127.0.0.1:9090:9090 \
  -v "$(pwd)/data:/data/ghidra_projects" \
  --security-opt no-new-privileges:true \
  biniamfd/ghidra-headless-rest:1.2.1@sha256:971591a3a8448d8ed969079b452306e806f36079c3ddd298f4a618d6e2f1442d

先决条件

Docker 与 Docker Compose（用于快速开始路径），或 Python 3.10+ 与 Node.js 18+（用于从源码运行）。
一个兼容 OpenAI 的 LLM 端点（本地或托管）以及模型名称。
公共 Ghidra 镜像：biniamfd/ghidra-headless-rest:latest。

必需的环境变量

将 .env.example 复制为 .env 并填写以下变量；完整列表与默认值请参阅该文件。

变量	默认值	含义
`API_BASE`	必需	兼容 OpenAI 的基础 URL（http/https）。缺失时 Compose 会在启动前失败。
`API_KEY`	`not-used`	提供商密钥。绝不会被记入日志或发送到浏览器；`not-used` 对无密钥的本地提供商有效。
`MODEL_NAME`	必需	所配置端点期望的模型 ID。缺失时 Compose 会在启动前失败。
`LLM_STREAM`	`auto`	流式传输方式：`auto`（流式传输；在产生输出前遇到兼容性错误时回退为一次阻塞式调用）、`true`（始终流式）、`false`（始终阻塞）。
`GHIDRA_API_BASE`	`http://127.0.0.1:9090`	Ghidra 服务的基础 URL。
`GHIDRA_IMAGE`	`biniamfd/ghidra-headless-rest:1.2.1@sha256:971591a3...`	通过不可变摘要固定的、已经过测试的发布版本。`:latest` 也会解析到此摘要；可覆盖以固定其他发布版本。
`HOST` / `PORT`	`127.0.0.1` / `5000`	开发服务器绑定地址。
`MAX_UPLOAD_BYTES`	`104857600`	上传大小上限。
`CHATS_DIR`	`webui/chats`	聊天历史记录目录。

LLM 提供商

Rev·Deck 通过 OpenAI SDK 与任何兼容 OpenAI 的 Chat Completions 端点通信，配置完全由 API_BASE / API_KEY / MODEL_NAME 决定。其中没有任何提供商特有的请求头、参数或模型逻辑：本地 Ollama 服务器（API_BASE=http://127.0.0.1:11434/v1）、自托管的 vLLM/llama.cpp/LM Studio 端点、OpenAI 本身，或是 OpenRouter 之类的网关，都能以相同方式工作。

.env 提供商配置示例（请使用占位符，切勿提交真实密钥）：

# Ollama
API_BASE=http://127.0.0.1:11434/v1
API_KEY=not-used
MODEL_NAME=qwen3:8b

# OpenRouter
API_BASE=https://openrouter.ai/api/v1
API_KEY=replace-with-your-key
MODEL_NAME=anthropic/claude-opus-4.8

# OpenAI
API_BASE=https://api.openai.com/v1
API_KEY=replace-with-your-key
MODEL_NAME=replace-with-a-supported-model-id

# LM Studio, vLLM, or llama.cpp (adjust port/model to the server)
API_BASE=http://127.0.0.1:1234/v1
API_KEY=not-used
MODEL_NAME=replace-with-the-served-model-id

默认情况下（LLM_STREAM=auto），助手请求流式响应，并将令牌（token）实时转发到浏览器。流式传输还能提供更强的取消保证：当你停止响应（或关闭标签页）时，Rev·Deck 会立即关闭底层提供商流，并且不再进行任何工具或模型轮次，从而直接终止上游生成，而不是让它在后台继续运行到完成。

注意事项：

计费。 取消会在我们这一侧立即关闭流，但某些托管提供商仍然会对它们已经生成的令牌（或整个补全）计费，无论客户端是否提前断开连接。该保证针对的是不再做更多工作，而非提供商的计费策略。
兼容性。 并非每个兼容 OpenAI 的端点都接受「流式 + 工具」。在 auto 模式下，如果提供商在产生任何内容或工具调用输出之前，以兼容性错误（HTTP 400/404/405/422）拒绝流式请求，Rev·Deck 会回退为一次阻塞式调用，并在本次进程的剩余时间内记住该选择。认证（401/403）、限流（429）和服务器（5xx）错误不会被视为兼容性问题，而是作为错误呈现，不会被静默重试。设置 LLM_STREAM=false 可完全跳过流式传输；设置 LLM_STREAM=true 则强制要求流式传输（无回退）。

使用方法

打开应用并上传二进制文件即可开始一次分析任务。明显是纯文本的内容在发送给 Ghidra 之前会要求确认；只有当内容确实是有意上传的固件/数据而非可执行格式时，才使用显式的原始二进制（raw-binary）覆盖选项。分析完成后，可在两个工作区标签页之间切换：

分析（Analysis） — 确定性证据视图：摘要、函数（筛选/分页）、导入、字符串、查询视图、函数检查器（伪代码、交叉引用、有界调用图、十六进制转储），以及——当所连接的 Ghidra 服务支持时——类型、全局变量、sidecar 注解、归档导出，以及带可解释正面/缓解信号与证据覆盖率的确定性攻击面排名。
聊天（Chat） — 助手，有以下两种模式：
- 副驾驶（Copilot）（默认）：每条消息执行一个有界的步骤/工具调用，适用于临时性问题。
- 自主（Autonomous）：启动一个命名且设有预算的工作流，由它自行运行多个有界步骤，并在工作时显示实时活动时间线。

两种模式都接受按任务设置的步骤预算（step budget），以及**无步骤限制（No step limit）选项——后者会一直运行到任务结束（仍受 MAX_STEP_BUDGET 上限约束，因此循环模型也无法无限运行）。如果一次运行达到预算，它会报告部分结果，并提供继续（Continue）**选项——该选项使用已检索到的证据恢复同一对话，而不会重做已完成的工具调用。成本随工具/模型调用次数增加而增长，因此预算越高，花费越多。

可用工作流：

工作流	用途	是否需要目标函数地址
`program_triage`	根据元数据、导入、字符串和函数总结程序可能的目的。	否
`suspicious_behavior`	先呈现确定性指标，再给出有界且标注清晰的假设。	否
`selected_function`	反编译某个函数，并结合其调用者/被调用者进行解释。	是
`call_chain`	从起始函数出发，探索一个有界的原生/合成调用图邻域。	是
`attack_surface_triage`	读取确定性评分的覆盖率/top-K，然后深入检查至多三个候选；评分是优先级，而非定论。	否
`vulnerability_hypothesis`	选择一个有界候选，并呈现证据、反证和待解决的问题；绝不自动确认。	否

聚焦子调查

每个分析任务都有一个主（Main）聊天，外加可选的聚焦子线程。选择新建子调查（New sub-investigation），输入一行简报，即可在同一个二进制文件和同一组只读工具之上，以全新的对话上下文开展工作。线程历史保持彼此隔离，并且同一时间只有一个线程在进行流式输出。

当聚焦工作完成后，选择将结论返回父线程（Return conclusion to parent）。Rev·Deck 仅针对该子线程执行一次有界模型调用，验证其证据引用，并向父线程添加一张带有来源标记的结论卡片。完整的分支仍然可以重新打开，而父线程上下文只会收到简洁的结论——而非分支的完整记录。未通过验证引用的返回卡片会被明确标记为未验证（unverified）。

助手的回答会以内联方式引用证据，如 [function:0xADDR]、[string:0xADDR] 或 [import:name]。引用会与当轮对话中实际检索到的内容进行核对；不匹配的引用会被标记为“(unverified)”，应视为未经证实的说法，而非事实。

助手输出中的 Mermaid 图表（例如调用图草图）会在沙箱化框架中渲染，且无法访问外部网络。

架构

浏览器只与 Rev·Deck Web 应用通信。Rev·Deck 协调所配置的 LLM 与无头 Ghidra 服务，然后将得到的证据与智能体活动呈现在同一个工作区中。

从源码运行

python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
npm ci && npm run vendor        # one-time: vendors the pinned Mermaid runtime

cp .env.example .env            # edit API_BASE / MODEL_NAME / API_KEY
set -a; source .env; set +a     # plain Python does not load .env automatically

# Start the separate Ghidra service, then:
python webui/app.py

打开 http://127.0.0.1:5000。Docker Compose 会自动读取 .env；从源码运行则需要按上文所示的方式导出它。Flask 开发服务器适用于本地使用；Docker 镜像运行 Gunicorn。

安全性 / 仅限本地的边界

本项目是为单个受信任的分析师在自己的机器上使用而设计的——并非用于多用户或公共托管。默认情况下，应用与 Ghidra 服务只绑定到 127.0.0.1，调试模式关闭，上传的二进制文件绝不会被执行，LLM 提供商密钥也始终保留在服务端。

测试

pip install -r requirements.txt -r requirements-dev.txt
python -m pytest
node --test "webui/static/js/tests/**/*.test.mjs"
npm ci && npm run vendor:verify   # verifies the vendored Mermaid bundle's integrity

故障排除

“Service offline”（服务离线）/ /readyz 返回 503 — 无法在 GHIDRA_API_BASE 访问 Ghidra 服务，或 API_BASE/MODEL_NAME 未设置。
类型/全局变量/注解显示“requires v1” — 所连接的 Ghidra 服务未声明该能力；这在旧版服务上属于预期情况。
聊天立即报错 — 请检查 API_BASE/API_KEY/MODEL_NAME，并确认提供商在 LLM_TIMEOUT 内可达。
上传因文件过大而被拒绝 — 请调高 MAX_UPLOAD_BYTES。
上传内容看起来像纯文本 — Rev·Deck 会先询问再将其发送给 Ghidra；只有当这是有意为之（确实要上传原始二进制）时才继续。
大型分析超时 — 请调高 Ghidra 容器的 ANALYSIS_TIMEOUT（例如，针对 1 万+ 个函数的 C++/Android 二进制可设为 5400），然后重新上传。LLM_TIMEOUT 与此无关。
某条引用显示“(unverified)” — 模型引用了它实际上从未检索到的证据；请将该说法视为未经证实的假设。

ai-reverse-engineering — 已更新!

分类