終端安全新時代！AI自主逆向軟件并找出未知惡意軟件
責編：gltian ｜2025-08-08 15:13:32微軟日前宣布推出一款自主AI代理，可在無人工干預的情況下分析并分類軟件，旨在推動惡意軟件檢測能力的發展。
這套由大語言模型（LLM）驅動的自主惡意軟件分類系統，目前處于原型階段，微軟內部代號為Project Ire。
Project Ire實現了惡意軟件檢測的權威流程
微軟表示：“該系統實現了被認為是惡意軟件分類‘黃金標準’的流程：在完全沒有來源或用途線索的前提下，對一個軟件文件進行完整的逆向工程。”它使用反編譯器及其他工具來審查分析結果，從而判斷該軟件是惡意還是良性。
據微軟介紹，Project Ire的目標是實現惡意軟件的大規模分類，加快威脅響應速度，并減少安全分析師手動檢查樣本以確定其是否為惡意軟件的工作量。
該系統利用專用工具進行軟件逆向工程，分析層級涵蓋廣泛，從底層二進制分析、控制流重構，直至對代碼行為的高階解讀。
微軟指出：“系統通過調用API，整合多種逆向工程工具，以不斷更新對目標文件的理解，這些工具包括基于Project Freta的內存分析沙箱、自定義與開源工具、文檔搜索功能以及多個反編譯器。”
Project Freta是微軟研究院的一項計劃，旨在通過分析Linux實時系統的內存快照，執行“發現掃描”，以偵測尚未被識別的惡意軟件，例如rootkit和高級威脅程序。
整個評估流程包括多個步驟：
- 自動化逆向工程工具識別文件類型、結構及潛在風險點；
- 系統利用angr和Ghidra等框架，重建軟件的控制流圖；
- 大語言模型通過API調用專用工具，識別并總結關鍵函數；
- 系統調用驗證工具，依據可用證據對初步發現進行驗證，并據此對樣本進行分類；
- 總結過程記錄詳盡的“證據鏈”日志，說明系統得出判斷的依據，方便安全團隊在誤判時進行復審與優化。
Project Ire已實現漏報率約一成，誤報率4%
在Project Ire團隊對一組公開可獲取的Windows驅動程序數據集進行測試時，該系統成功識別了90%的所有文件，僅有2%的良性文件被誤判為威脅。在另一項針對近4000個“高難度目標”文件的評估中，系統準確分類了近九成的惡意文件，誤報率僅為4%。
微軟表示：“基于這些初步成果，Project Ire原型將被整合進微軟Defender內部的Binary Analyzer工具，用于威脅檢測與軟件分類。”
“我們的目標是進一步提升系統的處理速度和識別準確率，使其在首次接觸任意來源的文件時，也能做出正確判斷。最終愿景是實現對新型惡意軟件的內存級大規模直接檢測。”
微軟指出，這類自動化技術未來有望在應對日益復雜的網絡攻擊時，更有效地保護全球數十億臺設備。
這也是新一波AI系統浪潮中的一部分，這些系統正在嘗試以全新方式應對網絡安全威脅。例如，谷歌的“Big Sleep” AI也是一款自主運行系統，其主要聚焦于發現代碼中的安全漏洞。
微軟表示，Project Ire是由微軟研究院、微軟Defender以及Microsoft Discovery & Quantum等多個團隊聯合開發的。目前，該系統已開始用于公司內部，以協助提升微軟安全工具的威脅檢測效率。
參考資料：https://thehackernews.com/2025/08/microsoft-launches-project-ire-to.html
顯示原圖
翻譯為
復制譯文
下載圖片