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
内容提要
中山大学本科生Timo Zhang针对REA逆向工具开发了反制工具BLA，通过植入假凭据与诱饵Source Map、塞入约4000条诱饵文件触发分析器配额上限、诱导误判三步，使AI逆向的Token消耗暴增约300至2800倍。BLA已获3900+星标，作者现于字节跳动实习。
延伸解读
反制思路：用假线索消耗AI预算
BLA的核心策略是向目标文件注入格式逼真的假凭据、诱饵Source Map和虚假诊断信息，诱导AI逆向工具将Token浪费在无效线索上。例如，诱饵Source Map会虚构源码路径和调用链，让Agent误以为存在硬件安全区调用。这种“投毒”不破坏文件功能，但显著增加分析复杂度，使攻击者成本大幅上升。
配额攻击：小文件膨胀触发分析器上限
BLA通过向Electron的.asar包索引中塞入约4000条短内容、长路径的诱饵文件，使包体积从607字节膨胀到16.93MiB，超过REA默认包头上限，导致读取直接报错。这种攻击利用分析器硬编码的配额限制，但作者也指出默认上限可调高，且包体积增大会带来副作用，因此并非绝对防御。
实测效果：Token消耗最高增2800倍
作者对13个加固前后对照项测试显示，7项在被测步骤报错或被拒绝，2项返回部分结果，1项仅在指定查询时报错，3项未观察到阻断。基于GitHub仓库14个示例估算，加固后总Token消耗约为加固前的639.5倍，总费用约304.4倍。这表明BLA能显著抬高逆向成本，但效果因场景而异，并非完全阻断。
项目背景与局限
BLA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，此前还开发了减少Coding Agent Token消耗的树莓派小模型“mu”。BLA已获3900+星标，但需注意其测试样本有限，且部分场景下REA分析未被阻断，实际防护效果需结合具体工具配置评估。
Q&A
BLA是什么工具？它主要用来做什么？
BLA是由中山大学本科生Timo Zhang开发的反AI逆向工具，专门用于反制REA逆向工具。它通过投毒、耗尽预算、诱导误判三步，使AI逆向BLA加固后的软件时Token消耗暴增300-2800倍。
BLA具体是如何让AI逆向的Token消耗暴涨的？
BLA分三步：1. 投毒：在文件中放入格式逼真的假凭据、诱饵Source Map等，让Agent浪费Token在假线索上；2. 耗尽预算：精确触发分析器内部硬编码配额上限，例如在.asar包中塞入约4000条诱饵文件使包头超过默认上限导致报错；3. 诱导误判：让Agent沿着不存在的调用链继续查。
BLA加固后对AI逆向的成本影响有多大？有具体数据吗？
根据作者测试和估算，加固后逆向AI的Token消耗约为原来的300-2800倍。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639.5倍，总费用约为304.4倍。
BLA的作者是谁？他有什么背景？
BLA的主要作者是Timo Zhang，中山大学软件工程专业大三学生，目前在字节跳动实习。他还是LobeHub的项目贡献者，并开发了基于树莓派的减少Coding Agent Token消耗的小模型“mu (μ)”，该项目有500+星标。
BLA在GitHub上的受欢迎程度如何？
BLA已获得3900+星标和476个fork，表明该项目在开发者社区中受到一定关注。
BLA和REA是什么关系？
BLA是专门反制REA的工具。REA是一个AI逆向工具，登上GitHub一周就获得10万+星，被称为“2026年度最危险开源项目”。BLA通过增加AI逆向的Token消耗来对抗REA的逆向分析。
