微軟推出 Project Ire：自主逆向工程分析惡意軟體，已攔截 APT 樣本

給一個完全未知的二進位制檔案做逆向工程，是網路安全領域裡公認最耗時、也最需要硬功夫的髒活。

分析師得面對經過重重混淆的底層程式碼，一點點理清控制流，猜出對手的意圖。現在，微軟把這套只有頂級專家才能乾的手藝，交給了 AI。

微軟研究院聯手 Microsoft Defender 團隊和 Discovery & Quantum，公佈了一個名為 Project Ire 的自律型 AI 原型。它能在沒有任何背景提示的前提下，自主呼叫逆向工具反編譯軟體，並給出可審計的判定報告。

在微軟內部，它成了首個獨立為某款 APT 高階持續威脅惡意軟體寫下定罪報告的逆向工程師。注意，這裡說的是包括人類和機器在內的所有人，隨後 Defender 平臺直接根據它的分析攔截了該樣本。

自己抄工具反編譯，順便把證據鏈寫好

大多數安全防護系統只能靠特徵碼或者已知規則跑自動化。面對新型惡意軟體時，如果規則庫沒命中，依然得丟給人類專家做人工逆向。

Project Ire 的架構直接套用了大模型加外部工具的智慧體思路。它底層用到了微軟自家的 Project Freta 記憶體分析沙箱，以及開源逆向框架 Ghidra 和 angr。

拿到樣本後，Ire 會先對二進位制檔案進行結構分診，接著構建控制流圖，作為模型推理的記憶底座。

隨後，大語言模型通過 API 逐步呼叫反編譯器，逐個審查關鍵函式，記錄下可疑的程序注入或網路外連行為。每一步推導都會記入一條完整的證據鏈中。

有意思的是它還有一個驗證工具。如果模型推斷某個程式碼段存在反除錯邏輯，驗證器會去核對這行推理是否符合專家規則。如果證據站不住腳，結論就會被駁回，避免模型胡思亂想。

在測試公開的 Windows 驅動資料集時，Ire 取得了 98% 的精確率和 83% 的召回率，良性檔案的誤報率只有 2%。隨後它還接手了近 4000 個積壓在待審佇列裡的高難度樣本，這些檔案全部生成於大模型訓練截止時間之後。

為什麼重要

微軟 Defender 每月要守護超過 10 億臺活躍裝置。海量告警砸下來，最頂尖的安全分析師也會陷入告警疲勞和職業倦怠，這是整個安全行業多年來無解的頑疾。

我們認為，Project Ire 最聰明的地方在於它沒有把大模型當作端到端的黑盒分類器，而是讓它扮演排程員。通過反編譯工具提取證據鏈，AI 的每一步推導都有跡可循，這解決了安全團隊不敢輕信 AI 輸出的核心痛點。

對於企業和安全團隊來說，這意味著自動化分析的邊界往前推進了一大截。以往只能靠人力慢慢啃的硬骨頭，現在可以由智慧體先梳理出大部分脈絡，分析師只需要在關鍵節點做複核。

不過，83% 的召回率也說明它目前還不能完全替代人類。漏掉兩成左右的潛伏威脅，在現實攻防戰中依然是致命的。在面對專門針對逆向工具投毒的複雜樣本時，智慧體如何不被反制，也是微軟接下來必須解決的現實問題。