20260516总结

**1.通过二次逆向，修复古董老项目，实现0人监控自动学习通签到 + 扫码一机多签

**

2.通过逆向，实现了微信增强+美化，防撤回等基础功能

**3.通过逆向，实现了CODEX注册机+API中转，极低成本调用GPT家最强模型GPT5.5

**

**4.通过魔改实现了D1ckCode（类claude code产物），用于辅助AI Agent编程，目前我本人也在用，结合成果3去使用。优点是有个逆向模式，通过prompt hijack去让他忘记自我，帮我干任何事。支持OpenAI Anthropic多种协议模式。

**

将来方向

捣鼓了谷歌发的关于JS混淆的论文（感觉其实思路也就一般），其实就是脚本小子，各种调用工具，然后扔个GEMINI去分析。没啥创新点，也不知道是谷歌哪个子团队来凑数的。将来一星期准备捣鼓关于JS的解混淆方案

我已经完整读完这篇Google 2026 年 ICSE 论文《CASCADE: LLM-powered JavaScript Deobfuscator》，下面给你一份极简、清晰、可直接用的核心总结，覆盖所有关键信息。 一、论文核心一句话 CASCADE 是Google 生产环境在用、把 Gemini 大模型 + JSIR 编译器中间表示 结合的 JavaScript 代码反混淆工具，专门搞定 Obfuscator.IO 的字符串混淆，准确率极高、不用硬编码规则。 二、解决什么问题 JavaScript 混淆（尤其 Obfuscator.IO）严重阻碍恶意代码检测、静态分析、逆向 传统反混淆： 规则 / 正则 / AST：极易被微小改动破解、维护成本爆炸 纯 LLM：会幻觉、算错、无法保证语义等价 目标：恢复字符串 + API 名，保证语义不变、代码可读 三、CASCADE hybrid 架构（最关键） LLM 做理解 → JSIR 做确定性变换 → 沙箱动态执行 Gemini 识别 prelude 函数（3 类模板） 字符串数组函数 字符串获取函数 字符串旋转函数 沙箱安全执行 prelude，拿到真实字符串 JSIR 做常量传播 + 内联，还原代码、保证语义等价 四、核心技术亮点 不用硬编码规则 干掉 WebCrack 等工具几百上千行脆弱规则 LLM 只做模式识别，不生成代码 彻底避免幻觉、计算错误 JSIR 比 AST 更强 支持数据流分析、语义级变换，稳定性远超 AST 工业级可用 已在 Google 生产环境部署，日处理百万级 JS 文件 五、实验效果（数据直接抄论文） Prelude 检测准确率：99.56% 反混淆成功率：98.93% 平均每个文件恢复 945 个字符串 平均耗时 2.3 秒 支持 Obfuscator.IO 全等级（default/low/medium/high） 六、论文 3 大贡献 首个 LLM + 编译器 IR 混合反混淆框架 已工业部署，替代大量脆弱规则 开源 prompt 模板 + JSIR 基础设施 七、关键结论（论文原话） 纯 LLM 不能做生产级反混淆，必须 + 编译器 混合架构：LLM 负责理解，IR 负责正确性 CASCADE 是 Google 恶意 JS 检测的关键基础设施1

由 LiangYu 的 Hugo Manager 编写并一键推送到 GitHub 上