morluto/rea：智能体驱动的逆向工程，从应用行为到原生二进制
morluto/rea 是智能体驱动的逆向工程工具，可从应用行为逐层追踪至原生二进制。支持多智能体分工协作，串联反汇编、符号恢复与脚本生成，并可编排 IDA、Ghidra、Frida 等工具链，过程留痕便于人工复核。适合安全评估、样本行为梳理与遗留系统依赖分析，助你搭建可复用的 AI 逆向分析流程。
查看原文 →内容为平台聚合整理，原文与最新动态以来源页面为准。
扫码进学习交流群
加专属老师微信图文介绍
项目定位
这是一套面向安全研究与软件分析场景的 AI Agent 工具集，通过多智能体协作串联逆向分析流程，覆盖从应用层行为观测到原生二进制分析的多个层级，帮助研究者减少重复的手工操作。
核心功能亮点
- 多智能体分工：规划、检索、反汇编、脚本生成等角色可分别配置，按任务目标自动拆解与推进分析步骤。
- 跨层级覆盖：既能观察应用行为（网络请求、界面交互、文件读写），也能下沉到原生二进制层面处理反汇编、符号恢复与调用关系梳理。
- 工具链编排：可对接 IDA、Ghidra、Frida、radare2 等常用工具，由 Agent 生成并执行分析脚本，中间结果自动回流。
- 模型可插拔：支持接入本地或云端模型服务，可指定独立 Checkpoint，敏感样本可在内网环境完成初步分析。
- 过程留痕：分析路径、工具调用与阶段性结论以结构化形式记录，便于人工复核与结果复用。
适用场景
- 取得授权后的安全评估与漏洞研究
- 可疑样本的初步行为梳理与情报整理
- 第三方 SDK、遗留系统的兼容性与依赖分析
- 教学与研究中的逆向工程流程演练
上手提示
建议先在体积较小、结构清晰的样本上跑通分析链路，确认 Agent 的判断质量后再扩展任务范围；配置阶段请显式声明工具路径、模型服务与 Checkpoint 信息，避免调用歧义。对涉及样本执行、网络连接等高风险环节，建议保留人工确认节点。请在合法合规、取得明确授权的前提下使用，遵守相关法律法规与软件许可协议。
作者/来源：morluto
常见问题
rea 是一套面向安全研究与软件分析场景的 AI Agent 工具集，通过多智能体协作串联逆向分析流程，覆盖从应用层行为观测到原生二进制分析的多个层级。它主要解决手工分析中重复性高、跨层级信息难串联、中间结论不易复用等问题，帮助研究者更快理解程序的实现逻辑。
传统分析依赖人工逐步操作，工具切换与结果整理占用较多精力。rea 让规划、检索、反汇编、脚本生成等角色分工协作，按任务目标自动拆解并推进步骤，同时把分析路径、工具调用与阶段性结论以结构化形式记录，便于人工复核与后续复用，人工仍保留判断与确认环节。
它可对接 IDA、Ghidra、Frida、radare2 等常用工具，由 Agent 生成并执行分析脚本，中间结果自动回流。模型侧支持接入本地或云端服务，并可指定独立 Checkpoint，对敏感样本可在内网环境完成初步分析，降低样本外流的顾虑。
建议在取得明确授权、合法合规的前提下使用，并遵守相关法律法规与软件许可协议。对于样本执行、网络连接等风险较高的环节，最好保留人工确认节点，避免自动化流程在未授权范围内触发行为。
建议先在体积较小、结构清晰的样本上跑通完整分析链路，确认 Agent 的判断质量后再扩展任务范围。配置阶段请显式声明工具路径、模型服务与 Checkpoint 信息，避免调用歧义；也可先在少量样本上对比人工分析结论，逐步建立使用信心。