中山大学开源BLA反制REA 逆向成本放大300倍

时间：2026年11月10日，中国开源媒体量子位发布报道；BLA 项目的 GitHub 仓库在当天仍有代码更新。 地点：中国广东省广州市（作者就读的中山大学），代码托管于 GitHub 开源社区；被针对的 REA 项目同样发布在 GitHub。 人物：Timo Zhang（GitHub 用户名 qybaihe），中山大学软件工程专业大三学生，目前在字节跳动实习，是 BLA 的主要作者；被针对的开源项目 REA 由网名 Morluto 的软件工程师开发，他接受《科学美国人》采访时要求保持匿名。 事件详情：开源项目 BLA（Blind LLM Agents，意为让大模型智能体失明）在 GitHub 公开，定位是专门对付 AI 逆向工程智能体的加固工具，同时提供 MCP 服务和命令行工具。作者把手法总结成投毒、耗尽预算、诱导误判三步：先在构建产物里植入格式逼真的诱饵，比如指向并不存在的硬件安全区调用链的假 Source Map，以及假凭据和假诊断信息；再精确触碰逆向分析器内部写死的资源上限把分析卡死；最后留下截断的清单和歧义路径，让模型基于错误证据重建出一套错误算法。官方 README 记录，Electron 的 asar 包经加固后从 607 字节膨胀到 16.9 MiB，超过 REA 默认的 16 MiB 包头上限，读取直接报错。量子位援引作者的实测称，13 个加固前后对照项中有 7 项在分析步骤报错或被拒绝，2 项返回部分结果，1 项只在指定查询时报错，其余 3 项没有观察到阻断；按项目自带的 14 个基准目标估算，加固后逆向所需的总 Token 消耗约为加固前的 639.5 倍，总费用约为 304.4 倍，单目标 Token 放大区间在 300 倍到 2800 倍之间。README 同时写明，Token 与美元两列属于内部估算，真正由真实 REA 记录下来的是字节级的失败形态。仓库于 2026 年 10 月 25 日创建，采用 MIT 许可，量子位发稿时已有 3900 多颗星和 476 个 fork；2026 年 11 月 11 日抓取时 GitHub 接口显示星标 5014、fork 601，npm 包名为 bla-agents，版本 3.2.4，README 标注它曾登上 GitHub Trending 每日第 15 名。 背景：被反制的对象是 REA（Reverse Engineer Anything），一个由网名 Morluto 的软件工程师开发的开源 MCP 服务，让 AI 智能体自行编排 Ghidra 等反编译工具去拆解程序，其 GitHub 仓库在 2026 年 11 月 11 日抓取时已有 45 万颗星和 11 万个 fork。《科学美国人》10 月 30 日的专访提到，REA 的 Discord 社区里已经出现有人改造打印机和电视的案例，佐治亚大学教授 Zion Basque 认为 2026 年之前反编译还是少数专家的领域，如今几乎人人可参与；同一报道还提到今年 10 月初 Anthropic 的 Claude Opus 5.5 曾协助开发者做出 Adobe Creative Cloud 的开源替代品。BLA 自己的 README 给出一个更刺眼的成本对比：未经加固的软件，AI 逆向智能体可以在几秒钟内、以约 0.20 美元的代价克隆出核心业务逻辑。作者 Timo Zhang 是中山大学软件工程专业大三学生，目前在字节跳动实习，此前做过一个用树莓派搭建小模型以降低 Coding Agent Token 消耗的项目。 影响：这条消息的意义不在于又多了一个安全工具，而在于攻防两端的成本结构被公开摆到了台面上。AI 逆向把原本需要专家投入数年的反编译压缩到分钟级，把软件发布产物变成可以被批量扫描的公开文本；BLA 则证明客户端侧加固确实能把自动化逆向的性价比打到几乎为零。对要保护发布产物的团队来说，这提供了无需商业混淆器、无需改动业务源码的免费选项，安装方式是一条 npx 命令，接入 Claude Code、Cursor、Codex 等工具的方式是安装它的 MCP 服务。BLA 也明确写下了边界：客户端侧的任何保护都挡不住拿着调试器的人，其免责声明把使用场景限定为保护自有知识产权；而在模型侧，300 倍到 2800 倍的 Token 放大目前仍只是项目方的内部估算，真正的验证要等更多第三方在真实发布产物上复现。 总结：一个中山大学本科生的开源项目，用投毒、耗尽预算和诱导误判三招，把专门用于逆向软件的 AI 智能体逼进了成本死角。到 11 月 11 日抓取时，BLA 已经拿到 5014 颗星和 601 个 fork，并登上过 GitHub Trending 每日第 15 名，npm 包 bla-agents 的版本更新到 3.2.4。需要留意的是，被广泛引用的 300 倍到 2800 倍 Token 放大来自项目方的内部估算，实测被记录下来的是分析器在字节层面的失败。不过即便如此，把 AI 逆向的成本抬高几个数量级、并且免费可用，这件事本身已经改变了软件发布方与自动化逆向之间的博弈关系。 常见问题： 问：REA 是什么？ 答：REA（Reverse Engineer Anything）是开源 MCP 服务，让 AI 智能体自行编排 Ghidra 等工具拆解软件。《科学美国人》称 2026 年前这仍是专家领域。 问：BLA 的 300 至 2800 倍 Token 成本是实测的吗？ 答：不是。README 写明 Token 与美元倍数是内部估算，实测记录的是字节级失败形态。 参考来源： 量子位：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 https://www.qbitai.com/2026/11/508787.html BLA 官方仓库（GitHub） https://github.com/qybaihe/bla BLA 官方英文 README（14 个基准目标与 Token 放大数据） https://github.com/qybaihe/bla/blob/main/README.md BLA 官方站点（基准数据与 CrackMe 竞技场） https://bla.tools/ explainx.ai 独立核查：BLA 的 Token 倍数哪些是实测、哪些是估算 https://www.explainx.ai/blog/bla-blind-llm-agents-counter-rea-shield-github-trending-1981-stars-claimed-vs-verified-2026 REA 官方仓库（GitHub） https://github.com/morluto/rea Scientific American 对 REA 开发者 Morluto 的专访 https://www.scientificamerican.com/article/an-exclusive-conversation-with-the-developer-of-rea-the-viral-ai-reverse-engineering-tool/ i10x.ai：BLA 与 REA 的原理对照 https://i10x.ai/news/bla-blind-llm-agents-rea-reverse-engineering REA 深度技术调研（GitHub） https://github.com/ringozzt/rea-research