< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
中大本科生反AI逆向项目火了！让黑客Token账单原地暴涨300倍
投毒 → 耗尽预算 → 诱导误判
这里多啰嗦一句，量子位 | 公众号 QbitAI
很多朋友可能不知道，rEA，AI逆向一切，登上GitHub仅1周就刷下10万+星，直接让一众开发者们直呼“软件已死”。如果要评选2026年度
，候选列表里自然少不了REA。要是要评选2026年度
大家要记住：，候选列表里也少不了它。于是，一位中山大学本科生开始行动了。——让AI逆向Agent“失明”。挖坑方法分为三步走：投毒 → 耗尽预算 → 诱导误判。一套组合拳下来，想要逆向BLA加持后的软件，AI Token消耗量直接暴增
目前，BLA已收下3900+标星和476 forks。给AI挖坑，Token账单原地起飞
熟悉行业的朋友都知道，和REA一样，BLA也是一套MCP服务和CLI工具。REA的逆向通常遵循这么个逻辑：
分析器先从文件里提取模块、函数和调用关系，编程Agent再根据这些结果决定查哪里、怎样解释这个功能。BLA主打逐层击破。简单来说，就是一面喂💩，一面卡爆分析器处理上限。BLA会在文件里放入格式逼真的假凭据，让Agent把Token浪费在其实完全没有价值的假线索上。1个典型例子是诱饵Source Map。网页的JavaScript经过打包压缩后，代码常常挤在几行里。Source Map可以告诉调试器，这一行对应原始项目里的哪个文件、哪个位置，有时还会附带源码正文。对逆向工具来说，这是1份现成的路标。BLA会生成一份格式有效的映射，里面附上虚构的源码路径和代码片段。好比，它可以让一段普通的客户端代码看起来像是在调用硬件安全区，还附上远程认证的接口和注释。倘若Agent把这些内容当作证据，就可能沿着一条根本不存在的调用链继续查。类似的诱饵还有假凭据、假诊断信息和看起来像授权逻辑的代码分支。第二坑：卡爆分析器上限
这一步更直接，就是精确触发分析器内部硬编码配额上限，让工具报错。拿Electron常用的.asar包来说，包头有1份索引，记录包里有哪些文件。BLA的最强加固档会往里塞约4000条诱饵文件。每条文件内容很短，路径却很长，主要体积就堆在了索引上。测试显示，对一个607字节的包进行BLA加固，加固后文件变成了16.93MiB，包头超过了REA的默认上限，读取直接报错。不过这个默认上限是可以提高的，另外，这一步处理也会让包变大。效果方面，项目作者做了实测+估算。13个BLA加固前后的对照项显示，其中7项在被测操作步骤报错或被拒绝，2项返回部分结果，1项只在指定查询时报错，其余3项没有观察到REA分析被阻断。成本估测上，作者内部测试后表示，加固后逆向AI的Token消耗约为原来的
。用GitHub仓库的14个示例估算，加固后的总Token消耗约为加固前的
其实，bLA的主要作者TImo Zhang，是中山大学软件工程专业的大三学生。BLA之外，他还有1个500+的项目“mu
”，是一个基于树莓派构建的减少Coding Agent Token消耗的小模型。Timo Zhang也是LobeHub的项目贡献者。以及，对中大的校园生活看上去也充满了热情。https://github.com/qybaihe/bla/
版权所有，未经授权不得以任何形式转载及使用，违者必究。A社紧急修改招股书！RSI我们快要管理不住了
很多朋友可能不知道，刚刚，GPT-6 Astra联手非职业数学家，证明57年「摆圆」 难题
还有一个很重要的细节，简单来说，deepSeek Bot来了！民间版，DSH装个插件就能用
马斯克睡进工地！为AI基建拼了
值得一提的是，gitHub开放打赏功能，1年多赚三万块丨附开通指南
这里要特别说一下，大家都知道，健身环爆打老头环！超高难度击败boss，宫崎英高估计也想不到，代码+硬件教程已开源
将“受虐”提升到新高度
7B开源数学模型干翻千亿GPT-4，中国团队出品
刚刚，ChatGPT的深度研究不妨连接GitHub了！网友：这是真·RAG
腾讯大数据回答2019：鹅厂开源先锋，日均计算量超30万亿
「程序员做饭指南」霸榜GitHub，还用数学公式解决「吃什么」世纪难题，微软程序员出品