IDA + Codex. Реверс в каждый дом

Всем привет! На связи Angara MTDR и сегодня наш аналитик Дьяков Кирилл поделится опытом, как подключить Codex к IDA, что ему можно поручить и что получилось при разборе малварей из лабораторных заданий уровня Insane. Заодно автор сравнит две связки: IDA Pro 9.2 со сторонним MCP и IDA Pro 9.5 с официальным MCP от Hex-Rays (создателей IDA). Результаты будут сформированы на основе трех прогонов.  Статья предназначена для новичков в реверсе и энтузиастов, которым интересно попробовать IDA с AI-помощником.

Реверс-инжиниринг для многих специалистов информационной безопасности остается самой темной ее стороной. Даже если каждый день работаешь с инцидентами и логами, при открытии незнакомого бинарника в IDA(Interactive Disassembler) можно столкнуться с сотнями функций, ассемблерными инструкциями и вопросом: с чего начать?

Подключение IDA Pro к Codex

MCP (Model Context Protocol) предоставляет агенту доступ к управлению IDA Pro через инструменты подключенного сервера. Codex(с подпиской GPT Plus за 20 $) может обращаться к базе IDA, читать функции, строки и псевдокод. Теперь копировать каждый фрагмент в чат вручную не нужно.

Важно! Все эксперименты в статье я проводил на личном ноутбуке и только на образцах из учебных лабораторных CyberDefenders, исключительно в образовательных целях. Образцы не запускались, анализ был статическим. Неизвестные и потенциально вредоносные бинарники необходимо анализировать в изолированной среде, например в виртуальной машине без общих папок с основной системой и без доступа к рабочей сети. Кроме того, декомпилированный код и строки образца передаются в облачную модель, поэтому реальные образцы, особенно клиентские, нельзя отправлять агенту без учета условий NDA и политики организации.

Для эксперимента я использовал две связки, которые в дальнейшем будем сравнивать:

• IDA Pro 9.2 со сторонним ida-codex-mcp от Iamgublin.

• IDA Pro 9.5 с официальным MCP от Hex-Rays. (MCP вышел совсем недавно,как и версии IDA 9.4 и 9.5, которые он поддерживает).

В обоих случаях настройку я поручил самому Codex: Для реверса я заранее создал в Codex отдельные чаты (на каждый прогон и на каждую связку отдельный чат: всего 6 чатов), отправил ссылку на репозиторий и полный путь к исполняемому файлу IDA. После попросил установить интеграцию. Первичная установка и настройка заняли около 8 минут для IDA PRO 9.2 и MCP от Iamgublin, и 7 минут для IDA PRO 9.5 и MCP от Hex-Rays. Пример запроса:

У меня установлена IDA Pro 9.*: <полный путь к ida.exe>.
Установи ida-mcp: “ссылка на MCP который хотите установить” и проверь связь с IDA.

Все это можно сделать и вручную по гайдам от авторов репозиториев MCP.

Очень советую ознакомиться с OWASP Top 10 для LLM, чтобы понимать современные атаки на ИИ. Это большой и активно развивающийся пласт информационной безопасности сейчас.

После интеграции можно начинать анализ. Откройте образец в IDA (нажмите New и выберите файл для анализа, либо же нажмите Go и перенесите файл в появившееся окно) и сообщите агенту, что файл открыт.

Постановка задачи

Заданный промт будет сильно влиять на качество, время, формат отчета и съеденные лимиты. Нужен ли целый отчет? Может достаточно ответов на пару вопросов? Тогда лучше будет напрямую спросить их, чтобы не тратить лимиты и время на формирование полного отчета.

Мне же было интересно проверить другой сценарий: насколько хорошо агент способен самостоятельно исследовать целый бинарник и подготовить полноценный технический отчет с пояснениями и скриншотами из IDA. Для этого Codex’у была поставлена общая задача на реверс, без пошаговых инструкций о том, какие функции и в каком порядке исследовать. Ниже промт, с которым агентом были пройдены обе лабы в обеих связках в каждом из трех прогонов:

Ты - помощник по реверс-инжинирингу. Я предоставляю задание и бинарник в IDA Pro. Проверь подключение и образец, приступай к анализу.

Подготовь DOCX на русском: технически точно, без воды, понятно аналитику SOC. Начни со сведений об образце.

Разбери точку входа, защиту, конфигурацию и поведение. Ключевые находки подтверждай читаемыми скриншотами IDA с частью интерфейса и пояснениями. Указывай адреса, RVA, цепочки вызовов и XREF.

Переименовывай функции и переменные с префиксом _, уточняй типы, комментируй код, сохраняй IDB и журнал изменений. Дешифрование проверяй на исходных байтах, указывая алгоритм, ключ и результат.

Отделяй факты от гипотез, отмечай уверенность и ограничения. Не придумывай IoC, не приравнивай возможности кода к выполненным действиям. Не запускай образец на основной системе.

Заверши отчет IoC, подтвержденными техниками MITRE ATT&CK, проверенными YARA-правилами при наличии признаков, восстановленными значениями и ответами на задание. Обоснуй вердикт: «вредоносный», «невредоносный» или «недостаточно данных».

В случае необходимости ответов на вопросы по заданиям, вопросы присылались вместе с требованием проанализировать бинарник с форматами ответов с платформы и с требованием оформления таблицы с ответами в конце документа.

Практика

Для проверки я взял две лабораторные с платформы CyberDefenders уровня Insane: $tealer и UnPackMe. В данном тесте посмотрим, как Codex самостоятельно пройдет по всей программе, напишет отчет с объяснениями, доводами и скриншотами. Оба задания требуют разобраться в поведении вредоносного ПО и получить конкретные ответы на вопросы. Подробные отчеты со скриншотами для данных лаб доступны по следующим ссылкам:

Связка IDA PRO 9.2 + MCP от Iamgublin:
Отчёт Codex для Lab №1: $tealer by CyberDefenders: прогон 1 · прогон 2 · прогон 3
Отчет Codex для Lab №2: UnPackMe by Cyberdefenders: прогон 1 · прогон 2 · прогон 3

Связка IDA PRO 9.5 + MCP от Hex-Rays:

Отчет Codex для Lab №1: $tealer by Cyberdefenders: прогон 1 · прогон 2 · прогон 3
Отчет Codex для Lab №2: UnPackMe by Cyberdefenders: прогон 1 · прогон 2 · прогон 3

Условия теста: Модель GPT-6.1 Sol со средним уровнем рассуждений; Статический анализ, образцы не запускались. В предварительных пробах заметного преимущества высоких/Ultra режимов я не увидел, поэтому для экономии лимитов был выбран средний уровень, который, как выяснится в дальнейшем, справляется очень даже неплохо.

Insane Lab №1: $tealer by Cyberdefenders

Первым на разбор отправился malware.bin из лабораторной $tealer. Это 32-битная DLL с функциональностью вредоносного загрузчика: обмен с управляющими серверами, получение дополнительных модулей и подготовка их выполнения. Файл уже был распакован, но читать его все равно неудобно: в таблице импорта нашлись всего две функции Windows: OutputDebugStringA и Sleep, остальные вызовы были скрыты.

Сначала Codex восстановил механизм разрешения Windows API. Функция sub_6015C0 получает хеш DLL и нужной функции, находит библиотеку через PEB и разбирает её экспортную таблицу. Алгоритм основан на CRC32 с последующим XOR с константой 0x38BA5C7B. Агент сопоставил хеши с именами API и проверил расчёты на исходных значениях. Например, для CreateThread получился хеш 0xA8D05ACB.

Дальше началось самое интересное. Обычных вызовов в коде нет, вместо них стоят пары int 3; ret. Для анти-анализа это отличная ловушка. int 3 намеренно роняет программу в исключение и заранее зарегистрированный обработчик VEH тут же подменяет реальность: сдвигает EIP, подкладывает на стек адрес API из EAX и адрес возврата, и безобидный на вид ret прыгает прямо в нужную функцию. Когда API отработает, выполнение продолжается сразу за этой парой.

Из-за такого приёма Hex-Rays может показывать преждевременный выход из функции и терять часть логики. Codex восстановил механизм по инструкциям и полям структуры EXCEPTION_POINTERS, не патча сам бинарник: в базе IDA менялись только типы, имена и комментарии, а исходные машинные инструкции остались нетронутыми.

Следующий этап - расшифровка строк. Codex обнаружил RC4 и выяснил, что первые 40 байт блока содержат ключ, который перед использованием нужно развернуть в обратном порядке. Агент восстановил строки Program Manager, Progman, имена библиотек и шаблоны команд. Правильность результата оценивалась не только по обратному преобразованию, но и по осмысленности строк и коду, который к ним обращается.

Отдельно Codex обнаружил четыре C2-адреса в незашифрованной таблице секции .data, начиная с 0x62B02C. Каждая запись содержит четыре байта IPv4 и двухбайтовый порт в little-endian. Например, последовательность C0 2E D2 DC BB 01 задаёт 192[.]46[.]210[.]220[:]443 (при самостоятельном поиске в гугле можно найти их в публичных отчетах по Dridex, на TI платформах(VirusTotal, AbuseIPDB, AlienVault OTX и других) каждый из 4х адресов фигурирует как IOC программы банковского трояна и стилера Dridex). Эти адреса не являются результатом RC4-дешифрования, программа хранит их открыто.

Затем агент проследил сетевой обмен через WinINet, получение дополнительных модулей, работу с памятью другого процесса и закрепление через планировщика задач. Из восстановленного XML следуют запуск при входе пользователя и повторение каждые 30 минут.

Итог по первой лабораторной. По результатам трёх прогонов обе связки оказались сопоставимы. Codex восстановил одни и те же ключевые механизмы вредоноса и подготовил содержательные технические отчёты с доказательствами, скриншотами и изменениями в базе IDA. Отдельные отчёты различались подробностью пояснений, но устойчивого преимущества одной связки по полноте основных результатов не выявилось.

При содержательной сверке с правильными ответами CyberDefenders связка IDA Pro 9.2 + MCP Iamgublin получила 23/26, 24/26 и 23/26, а IDA Pro 9.5 + MCP Hex-Rays — 24/26, 23/26 и 23/26. Суммарно обе дали одинаковый результат — 70/78.

Основные расхождения повторялись независимо от связки. Во всех шести итоговых таблицах агент указал эффективный RC4-ключ после разворота вместо исходных 40 байт в порядке хранения и выбрал другую функцию загрузки модулей. В четырёх отчётах также была выбрана высокоуровневая функция обмена с C2 вместо конкретной функции установки соединения. При этом нужные сетевые адреса присутствовали в основных разборах: агент описал соответствующие участки кода, но не всегда правильно сопоставил их с формулировками вопросов.

Преимущество официальной связки по времени и расходу лимитов, наблюдавшееся в первом прогоне, в следующих двух не повторилось. В среднем IDA Pro 9.2 + MCP Iamgublin потребовала 22 минуты и 35% пятичасового лимита, а IDA Pro 9.5 + MCP Hex-Rays — 23,7 минуты и 40,3%. На этих трёх прогонах сторонняя связка показала меньший разброс результатов по времени и расходу лимитов при сопоставимой точности ответов.

Insane Lab №2: UnPackMe by Cyberdefenders

Во втором образце сначала пришлось добраться до скрытой полезной нагрузки - стилера, который собирает данные браузеров и файлы кошельков. Исходный файл - PE32 размером 619 008 байт с энтропией 7.389 бит/байт (энтропия показывает, насколько байты файла похожи на случайный набор: максимум 8, а у упакованных/зашифрованных данных она близка к максимуму). Такая энтропия намекает на упаковку, но сама по себе не доказывает её, главным подтверждением стало извлечение рабочего PE из скрытых слоев.

Codex начал с анализа оболочки, скрывающей основную программу. Функция 0x468480 выделяет память, копирует в неё зашифрованный блок размером 322 003 байта, расположенный по адресу 0x4198A0, и расшифровывает его.

Для расшифровки используется XOR с ключевым потоком, который формирует генератор псевдослучайных чисел. Codex восстановил алгоритм по константам 214013 и 2531011, а начальное значение генератора 0xD5AF2F45 извлёк из самого бинарника. Это позволило воспроизвести расшифровку в Python без подбора ключа:

state = (214013 * state + 2531011) & 0xFFFFFFFF

key_byte = (state >> 16) & 0xFF

После снятия первого слоя Codex обнаружил второй, за которым скрывались сжатые данные. Агент разобрал встроенный распаковщик 0x100004F2, восстановил его алгоритм на Python и получил 590 416 байт распакованных данных. Из них удалось извлечь полноценный PE-файл размером 586 752 байта.

После распаковки Codex перешёл к конфигурации стилера. Строки в ней скрыты за двумя преобразованиями: сначала Base64, затем RC4. Ключ не хранится открытой строкой - агент восстановил его из замаскированных байтов и константы в коде: $Z2s`ten\@bE9vzR

Из конфигурации удалось извлечь ресурс hxxps://tttttt[.]me/ch0koalpengold, из ответа которого программа получает адрес C2. Это промежуточный источник, а не конечный сервер приёма данных. К нему не обращались, поэтому конечный C2 остался неизвестен.

Дальше Codex проследил сбор браузерных паролей, платежных данных и файлов кошельков (файлы кошельков указаны в двух из шести отчетов). В отчете он показал чтение браузерных баз и обработку зашифрованных значений через механизм Windows DPAPI и ветка BCrypt. То есть разобрал, как программа пытается получить данные в пригодном для использования виде.

По ходу разбора Codex выяснил, что программа сначала проверяет язык системы. Например, для русского, украинского, белорусского, казахского, киргизского, армянского, таджикского, узбекского предусмотрено завершение работы без перехода к сбору данных. Еще агент разобрал защиту от повторного запуска: программа создает специальный объект mutex, имя которого состоит из постоянной строки и имени пользователя. Если такой объект уже существует, второй экземпляр прекращает работу.

Отдельно агент нашёл функцию 0x42951B, которая снимает изображение рабочего стола через GetDesktopWindow и BitBlt. Также в коде обнаружилась строка «Raccoon | 1.7.3»: ShadowSteal - название из лабораторного задания, а эта строка стала одним из признаков связи нагрузки с Raccoon Stealer.

Особенно наглядно получилось с самоудалением. Агент восстановил команду, которая ждет 10 секунд и удаляет файл программы, и записал ее в комментарий над соответствующей функцией IDA. Открываешь этот участок - и сразу понятно, зачем программа получает собственный путь и запускает cmd.exe.

cmd.exe /C timeout /T 10 /NOBREAK > Nul & Del /f /q "%s"

Где параметр %s - это путь к исполняемому файлу.

Итог по второй лабораторной: По результатам трех прогонов обе связки пришли к одинаковым основным выводам. Codex определил энтропию файла, строку мьютекса, версию вредоноса, используемую ветку реестра, функцию создания скриншота, команду самоудаления и путь к каталогу сборки. Отчёты различались подробностью пояснений, но набор итоговых ответов (8 верных из 8) оставался одинаковым во всех шести случаях.

По времени и расходу лимитов официальная связка показала преимущество во всех трёх прогонах. IDA Pro 9.5 + MCP Hex-Rays в среднем потребовала 22,7 минуты и 29,3% пятичасового лимита, а IDA Pro 9.2 + MCP Iamgublin — 32,3 минуты и 40%. Время официальной связки находилось в пределах 21–24 минут, а сторонней 23–43 минут. Таким образом, на этой лабораторной официальная связка оказалась быстрее, экономнее и стабильнее по времени при сопоставимой точности итоговых ответов.

Результаты

Обе связки разобрали основные механизмы вредоносов, извлекли конфигурации и подготовили технические отчёты.

По числу правильных ответов итоговые результаты совпали. В $tealer связка с Iamgublin в среднем потребовала немного меньше времени и лимита. В UnPackMe официальная связка была быстрее и экономнее во всех трёх прогонах. На шесть запусков она потратила 139 минут против 163 - на 24 минуты меньше. Средний расход лимита - 34,8% против 37,5%, преимущество на 2,7 процентного пункта.

Рассмотрим результаты исследования чуть подробнее. Токены проверены по исходным журналам Codex; время и расход пятичасового лимита по моим замерам.

По точности связки оказались равны, по времени и расходу лимитов небольшое преимущество осталось за IDA Pro 9.5 + MCP Hex-Rays: в $tealer лучше себя показал сторонний MCP, а в UnPackMe — официальный. Лично я склоняюсь к официальному MCP: его сопровождает вендор, он чуть быстрее и экономичнее.

Всего за обе лабораторные и три прогона — 113,31 млн токенов у Iamgublin и 119,91 млн у Hex-Rays. Почти 98% составил кэшированный входной контекст — материалы анализа, повторно используемые при следующих обращениях к модели.

При грубом условном пересчете по тарифам Standard API GPT-6.1 Sol завершенный анализ с отчетом стоил бы в среднем около $4,5 за разбор. Диапазон 12 запусков - $2,38–8,23. Учтены кэш и повышенные ставки при входе свыше 272 тыс. токенов. Это оценка стоимости модельных токенов по API, в эксперименте Codex использовался по подписке.

Выводы и подводные камни

Эксперимент показал, что тандем IDA Pro и Codex открывает интересные возможности для реверса - от разбора отдельных функций до автоматизации полноценного исследования бинарника. Для знакомства с реверсом это удобный формат - агент объясняет, что делает код, а результат остается в базе IDA.

Практическая польза нейросети особенно заметна на небольших образцах и отдельных задачах: разобрать функцию, написать вспомогательный код, извлечь конфигурацию, подготовить YARA-правило или отчет. Но масштабировать такой подход на любой бинарник пока не получится. Объем контекста ограничен, в вычислениях возможны ошибки, а результат зависит от промта и от того, удалось ли добраться до кода за упаковкой.

При этом у каждого существенного вывода должно быть проверяемое основание: участок кода, данные образца или результат отдельной проверки инструментами. Например, найденные адреса и ключи стоит сверить с данными в IDA, а если агент что-то расшифровал или распаковал, проверить полученный результат: действительно ли строки имеют смысл, а распакованный файл корректные заголовки, секции и точку входа. Выбрать подходящую проверку и оценить, что именно она доказывает, должен аналитик. Джун с LLM не становится сеньором. Агент ускоряет работу, но отличить верный вывод от правдоподобного без опыта по-прежнему не получится.

Если вам давно интересен реверс, но знакомство с ним все время откладывалось на потом, рекомендую попробовать такой формат: найти лабораторную работу по реверсу на одной из площадок: cyberdefenders.org, crackmes.one, blueteamlabs.online, picoctf.org  и попросить агента разобрать ее вместе с вами. Возможно, именно с этого и начнется ваше увлечение реверс-инжинирингом :)