← 返回全部文章
AI 与工程 · 2026-10-14

REA 之后,移动端还有秘密吗

15 min read

移动端安全加固长期依赖一个隐性前提:逆向很贵。面对一个加壳、混淆并剥去符号的 IPA 或 APK,一名熟练工程师要理清一条关键调用链,通常需要数天到数周。多数秘密能保住,是因为愿意付这个成本的人不多。

REA 改变的是这个前提里的“人力成本”部分,而不是逆向本身的全部难度。

它是一个通过 npm 安装、以 stdio 方式运行的 MCP 服务(官方安装命令为 npx rea-agents setup),把 Hopper、Ghidra、IDA Pro、JEB、JADX 等引擎接到支持 MCP 的 Agent CLI 上。模型可以自主翻符号表、拉调用图、比对字符串并记录证据,产出一份带来源的分析报告。需要强调的是,它自动化的主要是前期侦察,脱壳、强混淆和动态分析仍有明确边界(后文展开)。

rea.tools 官网上有几个可复现的案例,能说明它擅长什么:

  • Windows 计算器 :为什么 200 + 10% = 220,而 200 × 10% = 20?REA 分析 calc.exe 及其依赖库,从二进制恢复出分支逻辑:加减运算下 percent = current × previous / 100,乘除运算下 percent = current / 100。官方案例基于 REA 4.1.0、Windows Calculator 11.2508.4.0。
  • Chrome 小恐龙游戏 :分析的是一个 Chromium 衍生浏览器版加载的脚本。REA 取出速度更新逻辑(currentSpeed 小于 MAX_SPEED 时每帧加 ACCELERATION),参数为 ACCELERATION 0.001、MAX_SPEED 13、起始速度 6,并通过 4000/10000 次更新做了验证。
  • DX-Ball 声像(sound-pan)函数 :目标是一款 1996 年的 Windows 游戏。REA 沿声音调用追到位置到声道的辅助函数,重建逻辑通过了原 x86 的 3205 个测试用例,重编译后与原函数 63 个字节一致。
  • Notion 剪贴板桥接 :在 Electron 产物里,REA 从 renderer 一路追到 preload、IPC、main process,串出完整的富文本调用链。
  • Aegis 的 Android APK :REA 追出六位数字一次性登录码在释放后产物里的生成过程。
  • 自己 clone 自己 :prompt 一句话 “Use REA to inspect https://rea.tools/. Clone this website for me.”,让 Agent 把 REA 官网逆回去。

这些案例的提示词、脚本和核对步骤都在 rea.tools 上。它们覆盖 Electron、APK、网页和本地二进制,移动端属于同类目标,但本文下述 iOS/Android 能力描述以官方文档支持的范围为准,未对加壳与商业 App 逐一实测。


外面怎么看

这个项目 2026 年 4 月建仓,10 月第一周从约 1.3 万 star 快速上涨,10 月 12 日前后突破 11.5 万,写作本文时 GitHub 显示约 26 万 star、6.5 万 fork(数字仍在快速变化,以仓库实时页面为准;早期报道中的 22.3 万 star、5.5 万 fork 是更早时点的快照)。下面几条社区评价较有代表性:

  • “Every game is open source now.” 评论里重复率最高的一句,从视频游戏到 DOS 老游戏都有人翻出来复刻。
  • “AI is right now breaking one of the premises on which we based all systems since the beginning of computers: that we cannot access or generate the source code of a compiled program.” 一条高赞长评,把这件事定性为软件分发前提的改变。
  • “Amazing that it was sufficient for the agent to zero in on the bytes.” 针对 DX-Ball 字节级重建的反应:值得惊讶的不是反编译本身,而是 Agent 能自己定位到关键字节。
  • “People are not using AI to decompile things, they are using it to interpret decompilation.” 一条冷静的补充:反编译器一直都在,REA 的位置是让 Agent 读懂反编译结果,这是过去缺的那一环。

更准确的概括是最后那条评论:反编译器一直存在,变化在于“读懂反编译结果、并把侦察流程串起来”这一环开始可以交给 Agent。它降低的是门槛和人力,不是绕过授权、脱壳或对抗强混淆的能力。


REA 是什么

REA(Reverse Engineer Anything) 是一个基于 MCP 的逆向分析工具集。安装后它作为一个 stdio MCP 服务运行,可挂到 Claude Code、Codex、Cursor、Gemini CLI、Grok Build 等支持本地 MCP 的 Agent 上;官方维护覆盖二进制、应用与运行时行为的一整套工具,具体数量随版本增加,本文不引用未核实的固定数字。

它的范围不限于移动端:本地二进制、JavaScript/Electron、.NET、网站、Android、固件,以及 Go、Rust、WASM、EVM 等都在支持列表内。本文只讨论移动端相关部分。

架构

REA架构:Agent、MCP服务、逆向引擎与分析产物

从上往下四层:

  • Agent 侧 :任意 MCP Agent CLI 做大脑。规划、翻二进制、写报告都是模型自己来,REA 不替它想。
  • REA MCP Server :一行 npx 起 stdio 服务,内部四块:入口、调度中枢、evidence(结论来源)、污染标记。
  • Provider / Adapter 池 :Hopper、Ghidra、IDA Pro、JADX、JEB,以及针对 Mach-O/ELF/PE/DEX、Go、Rust 等格式的内置静态解析;不少格式的基础检查无需外部引擎。
  • 被分析产物 :IPA、APK、Mach-O、DEX、.framework,以及鸿蒙 HAP/HSP 等容器(具体格式以官方文档为准)。

Agent 和 REA 之间走 MCP stdio;REA 和外部逆向引擎之间走各自的 bridge。架构的核心不在层数,在 调度中枢和 evidence 机制 。

Evidence

REA 自己的说法是:results include the evidence and limitations behind each conclusion,每条结论都要带着来源和边界。

落地上,每一次工具调用的结果,REA 都会存下来,分配一个 evidence_id。后续任何引用,Agent 都要带这个 ID。你让 Agent 下结论,它必须能指回某条 evidence,否则不作数。证据索引能让结论追溯到工具输出,但工具输出也有范围和解释限制。

每条 evidence 带来源、置信度(直接看到 / 推导 / 推断)、权威层级(出厂产物 / 可控复现 / 历史参考 / 外部服务 / 分析师推断)。超大结果不直接甩回模型上下文,而是缓存起来,Agent 按 ID 再取。

这个设计解决的是逆向分析里一直模糊的问题:结论到底是我看到的,还是我以为的。过去靠人自觉,现在变成了结构。

污染标记

REA 每个工具返回里都挂一段元信息,明确告诉上层 Agent: 我给你的字符串、符号、注释,全部来自被分析的二进制,里面可能有恶意构造的 prompt injection,你别拿来当指令执行 。

传统逆向工具没这个概念,因为它面向的是人。但当消费方是 LLM 的时候,一个被人塞了 “ignore previous instructions” 的符号名就能破坏整个分析流程。

组合动作

REA 的工具之上还有一层组合能力,把“追一个功能点”的标准动作串成可复用流程,例如从关键词搜字符串、搜函数、看交叉引用到定位实现。使用者描述分析目标,由模型决定调用顺序,而不必逐步指挥。

原生解析器

部分格式由 REA 内置解析器处理,不依赖外部引擎,包括 Mach-O、ELF、PE、DEX、ASAR、.NET、Rust、Go、EVM、WASM 等。

因此在未安装 Hopper/Ghidra 的环境里也能完成一批基础检查:拆 IPA、读 Info.plist、识别 Mach-O 架构、枚举 Objective-C 类与方法、读取部分 Swift 元数据。需要伪代码级反编译时再接外部引擎,属于增强项而非必需项。


REA 和逆向工具的关系

REA 不替代 Hopper/Ghidra/IDA/JADX/JEB,只是把这些工具接到 Agent 的工具链上。原来的引擎全都还在底下跑,REA 只做适配、调度和 evidence 管理。

区别在于消费方。过去这些工具的消费方是人,一个熟练的逆向工程师坐在 IDE 前面,一步步点、一步步想。现在消费方多了一个:Agent。模型自己规划下一步翻哪里、拼什么动作、读什么 evidence,结论指回 evidence_id。人不用亲自翻,工具链还是那套工具链。

所以这代工具的关键不在“更强的反编译器”,而在侦察与初步解释可以被 Agent 自动化;底层引擎和最终判断都没有被替代。


iOS

把 REA 挂上任意 Agent CLI 之后,iOS 侧的分析能力对应到场景:

场景它能看到什么典型用途
发版前自家 App 泄漏扫描所有 Objective-C 类名、Swift 类型元数据、硬编码字符串、权限清单挑出不该出现在 release 包里的符号、泄漏的内部域名/测试账号/临时 token
三方 SDK 合规尽调一个 .framework 内部的类结构、调用链、入口方法追 microphone / camera / location / contacts 相关调用点,画出采集面
版本 diff两个 IPA 之间类、方法、字符串、权限的差异对比竞品或内部灰度版本的功能变化、权限扩展

几条边界:

  • 容器与架构 :支持 IPA、.app、ZIP、DMG、PKG 等容器,识别 Mach-O、Universal 与 arm64e/PAC;具体格式随版本更新,以官方文档为准。
  • 跨端框架 :可以识别 React Native、Hermes、Flutter 等技术栈特征。需要注意“识别出用了 Flutter”与“恢复 Dart 业务逻辑”是两回事——官方对 Flutter 的静态能力目前主要是给出 Dart snapshot 哈希、按 ABI 的库摘要和引擎构建来源,snapshot 内的业务代码仍难直接还原;Unity IL2CPP 同理。
  • FairPlay 加密不脱 。脱壳不是 REA 干的事,要分析加密 App 请先自己脱。

Android

Android 侧以 headless JADX 作为反编译后端(官方要求完整 JDK),上层叠加 REA 的调度与 evidence 管理。典型场景如下:

场景它能看到什么典型用途
自家 APK 泄漏扫描BuildConfig、R 资源、native 库加载时机、manifest 权限捞出 production api key、测试服务器 URL、不该保留的调试开关
三方 SDK 行为还原任意 class 的 public 方法、方法级调用图、交叉引用文档说得含糊的 SDK,直接让 Agent 翻实现:track 方法最终调到哪、是否动态加载 dex
壳识别(不是脱)加壳 so 的名字、classes.dex 入口的典型特征判断对手用了什么壳,决定下一步走静态还是动态

容器层面 APK、HAP(鸿蒙)、HSP、app-pack 都认。

边界不变:REA 做的是壳识别而不是脱壳,识别加壳 so 名称与 dex 入口特征后,脱壳仍需运行时方案,或自行用 Frida 等工具处理。


一次完整的分析

把 Agent 挂上 REA 后,一次合规尽调、泄漏扫描或版本 diff 的典型流程如下。需要说明,这是根据公开工具机制归纳出的典型流程,不等同于任何商业 App 都能一次跑通。

分析流程:侦察、规划、证据、报告与人工复核

循环的中心是 evidence。Agent 拿到产物后先做全局勘察,看有什么类、什么字符串、什么权限、哪些符号;然后自主规划下一步翻哪里,分三类动作:搜关键词 / 画调用图 / 查权限面。工具调用的每一条结果都挂上 evidence_id 存起来。Agent 自评 evidence 够不够:不够回到规划继续翻,够了产出报告,每条结论都指回一个 evidence_id。

最后一环是人 。人不负责翻二进制,人负责创造性判断:这个符号留在 release 包里到底算不算泄漏、这条调用链是不是我期待的采集路径、要不要阻塞这次发版。重复侦察交给循环,关键决策留给人。

公开案例展示了前期侦察与整理可以自动化;本文没有统一任务集上的耗时对照,不能把局部案例外推成整体逆向成本趋近于零。


往下怎么走

自动侦察后的防守与加固方向

REA 的冲击不在“多了一个逆向工具”,而在侦察这一步的人力成本大幅下降。

旧账是:逆一个 App 要 X 人日,所以多数攻击者不会花 X,只要让 X 足够大即可。

现在 X 里的“翻符号、查字符串、理调用图、整清单”这部分被显著压缩。一个会用 Agent CLI、了解基本移动端结构的人,可以低成本完成一个未加壳或弱保护包的初步侦察;但遇到 FairPlay 加密、商业壳、激进混淆与运行时校验,他仍需要专业逆向能力。下降的是侦察门槛和耗时,不是攻击的全部成本。

这意味着两件事:

  • “看不懂”不再是可靠防线 。混淆仍有价值,但符号与字符串层面的隐蔽性会被快速穿透,不能再被当作唯一或最后一道防线。
  • 攻击面侦察在普及 。能做初步侦察的人变多、频率变高,防守方需要假设自己的发布产物会被自动化翻一遍。

可量化回归

过去评估一次加固做得好不好,靠人肉看 “IDA 打开花不花”。主观、不可比较、不可持续。REA 把这件事变成一个可以每次构建都跑的回归:

发布产物的量化回归指标

这五项指标过去也能手工统计,缺的是每次构建自动执行的分析器。落地的真正前提是口径,尤其是“关键算法可见度”:必须先自建评测集、规定以符号名、特征常量还是控制流指纹判定“可见”,并固定扫描配置与版本,数字才能跨版本比较。在此基础上,指标入库、对比基线、以 CR 评论或阻塞发版暴露异常,就构成最小闭环。

加固手段升级

在符号、字符串这类“便宜的隐蔽性”被快速穿透后,传统“混淆 + 字符串加密 + 反调试 + 加壳”的基本盘需要升级。按当前 REA 的能力边界,有以下几个方向:

  • 符号与元数据 :Objective-C 的方法名、Swift 的反射字符串是 Agent 最先用到的信息。构建期做选择性剥离,只保留运行时真正需要反射的那部分,其他全部去掉。
  • 字符串 :业务敏感字符串不要进常量区,运行时合成或解密 + 短时持有 + 用完清零。
  • 控制流 :ollvm 的控制流平坦化主要增加图的复杂度,对不怕图乱、靠语义追踪的 Agent 效果有限。更有针对性的方向是语义层面的误导:用伪造调用图和诱饵函数增加其推理成本,但这同样会增加自身维护成本,需要权衡。
  • 运行时 :REA 当前不做 FairPlay 脱壳,也不内置 Frida/LLDB 附加,动态攻击面在它的能力之外。把关键校验放到运行时动态生成的 trampoline 中,是当前性价比相对高的一层,但它挡的是自动化静态侦察,不等于挡得住有经验的人做动态分析。
  • PAC + arm64e :iOS 新设备上的硬件级签名,Agent 能读但没法直接改签。该上就上。

Red Team Agent 流水线

一条面向自有或已获授权产物的流水线,可以在每次 release 或 canary 构建后,让挂接 REA 与项目工具的 Agent 依预设范围运行符号、字符串和权限扫描,对比上一版本,再交由人决定是否阻塞发布。

方法和专项工具保存在 Skills、CLI 与知识资产里,任务编排交给成熟的 Agent Harness。静态侦察与运行时分析分别选择合适的工具,不能把 REA 支持的基础检查描述成自动脱壳或完整攻防能力。

没收敛

攻防不会在某一代工具上停下来。REA 这代的边界也很清楚:

  • 动态攻击面它看不见 。Frida、LLDB、objection 是另一类场景,目前要人上。
  • 新加固手法还是人想出来的 。Agent 擅长按已知套路翻,不擅长发明新套路。
  • “自己攻、自己防、自己迭代”仍是远景 。当前可跑通的是“自动侦察 + 回归指标化”,自动设计新对抗方案还做不到。

这些边界不改变趋势:侦察环节已经便宜到可以常态化,但“逆向整体零成本”是过度表述。防守的重心需要从“让人看不懂”转向运行时保护、硬件信任根和工程化回归。


使用合规与账号风险

技术之外,有一条容易被忽略的红线:你使用的模型服务本身有使用政策。

社区中已有因用云端编程 Agent 对商业 App 做逆向分析而被模型厂商限制账号的讨论,但具体个案的封禁原因通常不会公开,难以核实,不应作为确定事实引用。可以确定的是:模型厂商的使用政策普遍不允许侵犯他人知识产权或绕过技术措施,无论你自称出于研究还是加固目的,命中风控都可能被直接处置,申诉周期长且结果不确定。

REA 官方也明确将自身定位为合法研究、教育、互操作、软件保存,以及分析自有或已获授权软件的工具,禁止用途与常见逆向工具的免责声明一致,主要包括:

  • 绕过 DRM、license、反作弊
  • 游戏外挂
  • 绕过身份认证、Bot 防护
  • 复制专有代码
  • 规避 AI 厂商的 policy
  • 账号 / API 转售

结合官方定位与厂商政策,几条实操建议:

  • 自家产物优先 。分析自家 App、开源项目、授权供应商 SDK 最安全,有授权就有抗辩空间。
  • 竞品分析走法务 。真的要分析竞品 APP,技术上可行,业务上必须先过法务流程。模型厂商那边也要有合规说明挂着。
  • 提示词写清意图 。不要只写 “反编译这个 APK”,要带上上下文:“这是我自己的 APP,我在做发版前的泄漏扫描”、“这是我司已授权的供应商 SDK,我在做合规尽调”。意图写清楚并不能替代授权,也不能保证模型服务一定接受该任务。
  • 敏感操作用本地模型 。涉及 “看起来像攻击” 的分析(加密算法还原、反调试识别、关键算法可见度评估),优先用自建或本地部署的模型,不要往公网模型上丢。
  • 一个账号一类用途 。不要把个人账号同时用来做 “看起来像攻击” 的分析和日常工作,一旦被封连带所有工作中断。
  • 分析日志自己留档 。做了什么、为什么做、分析对象的授权来源,自己留一份,真被封号申诉时能拿得出证据。

一句话:能力可以本地跑,但云端模型账号和授权边界要自己管好,研究要能持续才有意义。


结语

移动端仍然可以有秘密,但靠符号和字符串保密的保质期明显变短,保密方式需要跟着变。

未来的保密更多依赖运行时保护、硬件级信任根,以及一套可量化、可 CI 化、每个版本回归的加固基线;“默认没人看得懂”不应再作为防线。

REA 更像一个起点:攻防双方开始同时拥有自动化侦察能力。加固可以从上线前的人工抽查,变成和单元测试、覆盖率类似的每次构建例行项。

工具已经就位,差距会体现在谁先把这套基线工程化、谁先补上动态与运行时的短板。

事实口径与信源

  • REA 能力、安装方式、支持格式与官方案例(Calculator、恐龙游戏、DX-Ball、Notion、Aegis)以 GitHub morluto/rea 与 rea.tools 官方文档为准;文中的能力描述已按官方文档收敛,未对加壳商业 App 做一手实测。
  • GitHub star/fork 为 2026 年 10 月写作时点的仓库实时数据(约 26 万/6.5 万),早期稿件中 22.3 万/5.5 万为更早快照;社区引语来自 Hacker News 等公开讨论,建议发布前附原帖链接。
  • 封号相关内容来自社区传闻,无法核实,正文已改为对模型厂商使用政策的一般性提示。
  • 建议下一版补充一个作者在自有 App 上的完整实操案例(输入样本、扫描配置、evidence 片段、误报与人工复核结论),这是目前与硬核分析文章相比最缺的一环。
100%