😒 LLM vs 🔒obfuscation — пока не конец для RE

Наткнулся на сильный материал от Elastic Security Labs: они гоняли Claude Opus 4.6 по crackme, обфусцированным через Tigress, и смотрели не только на “решил / не решил”, но и на цену, время и масштабируемость такого RE.

😊 Самый интересный момент
На 22 таргетах 2 вообще зависли инфраструктурно, а из оставшихся 20 модель решила только 40%.
Без обфускации baseline был решён за $0.43 и 1m55s, а уже на JIT задача падала в failure при $5.90 и 32m18s.
`JitDynamic` и тяжёлые multi-layer кейсы тоже в основном заканчивались kill по бюджету/токенам.

⚠️ Что ещё зацепило
Даже там, где модель не доходила до финального ответа, она нередко делала часть работы правильно.
Например, в JIT-кейсах она всё равно находила структуры движка и LCG-логику, но ломалась на восстановлении нужных констант.
То есть проблема уже не всегда в “модель тупая”, а в том, что цена понимания резко растёт.

😮 Ещё один интересный вывод
Elastic отдельно отмечают, что связка control-flow flattening + MBA местами била по модели даже эффективнее, чем virtualization + MBA.
Причина забавная: VM-хендлеры у Tigress часто остаются маленькими и относительно удобными для анализа, а вот CFF раздувает размер функций и сильнее бьёт по контексту модели.

😬 А дальше пошли уже совсем неприятные для LLM идеи
Они собрали loader authd, где спрятан 4.4 MB encrypted blob, а реальный crackme внутри всего 16 KB.
Парольный путь там завязан на 100,000 stages в обратном порядке: на каждом шаге расшифровывается только маленький header, вытаскивается следующий фрагмент ключа, и только в конце из хвоста буфера появляется plaintext ELF, который потом передаётся через memfd_create + execve.
Для статического анализа LLM это уже очень неудобная история.

👀 И это не всё
Они ещё прятали loader так, чтобы IDA не нашла его по обычным prologue/epilogue-эвристикам, а полезную нагрузку грузили в заранее выделенный RWX-сегмент .note.fips, который должен был выглядеть менее подозрительно при статике.
Плюс патчили libgcrypt и даже маскировали версию библиотеки под более новую, чтобы усложнить diffing.

👨‍⚖️ Мой вывод как аналитика
LLM уже реально полезны в RE.
Но статья хорошо показывает главное: обфускация не обязана делать анализ “невозможным” — ей достаточно сделать его дорогим, долгим и плохо масштабируемым.
И вот тут у automation-пайплайнов начинаются настоящие проблемы.

📖 Источник:
Elastic Security Labs

👾 Malware Anatomy

#LLM #ReverseEngineering #Obfuscation #MalwareAnalysis #ElasticSecurity #Tigress #JIT #Virtualization