逆向工程用 AI 的边界：归纳线索，不替代指令证据

逆向工程用 AI 的边界：归纳线索，不替代指令证据

AI 可以整理函数注释、字符串和调用关系，却容易把候选语义写成确定结论。逆向分析仍要回到指令、调用约定与动态观察。

适用条件先说在前面

这里讨论的前提是能够控制和审计样本来源、分析假设、静态线索和动态观察。若授权、数据来源或运行环境不同，应重新评估，不能直接照搬。

使用前先划三条线

1. 输入只取自获准分析的样本及其静态线索，并标明工具版本；模型生成的函数名、类型和语义全部作为候选。
2. 候选关系回到指令、交叉引用、调用约定或可复现的动态观察确认，无法对应证据的注释不进入结论。
3. 报告区分事实、推断与待验证项，保留生成输入摘要和人工修改记录；模型置信表达不能替代分析置信度。

AI 只能辅助定位

是否使用 AI，应看它能否减少重复劳动且不破坏证据链。适合交给模型的是注释归纳、候选关系整理；函数语义、关键分支和安全结论仍需依据指令、调用约定和可复现观察确认。

把样本标识、分析步骤、结论依据和置信度与本次范围一一对应。能对上，说明过程可追踪；对不上，就先补记录再扩大使用。