当 AI Agent 入局逆向攻防,代码保护正在迎来 全新变局。
随着 AI 技术的加速迭代,应用安全对抗的战场正在被重新改写。

网易智企·易盾加固技术负责人 赵贝贝
近期,在 SDC 2026 看雪安全开发者峰会上,网易智企旗下易盾加固技术负责人赵贝贝围绕《AI Agent 攻防下的代码保护之道》,系统地拆解了 AI 驱动逆向攻击带来的新威胁,并结合易盾在服务大量应用客户过程中的技术实践,给出了一套面向 AI 攻击的代码立体防护思路。
变局:对抗目标,从人工逆向走向人机协同
过去,逆向分析高度依赖安全工程师的个人经验,脱壳、反混淆、虚拟化还原、绕过检测,每一个环节都需要投入大量的时间与精力,考验着人的记忆、耐心与专业积累。
AI 的出现,改变了这场对抗的基本盘,它把原本依赖个人能力的逆向工作,改造成了一条可以流水线运转的攻击链路:7×24 小时持续工作而不休息,记忆不会失真且过程可复现。
背靠海量知识库使经验可以迁移复用,且能够不知疲倦地反复试错,直到拿到想要的结果。
在赵贝贝看来:安全防护的核心目标,已经从单纯对抗人工逆向,转向对抗人机协同的新型攻击。
面对持续化、自动化、规模化的 AI Agent 分析,传统单点加固手段所维持的防御平衡,正在被打破。
拆解攻击链路:AI Agent 如何分析代码
在过程中,赵贝贝提到:有效防御的前提,是看清攻击者如何工作。
我们以 APK 分析为例,AI Agent 的完整分析流程大致可以拆解为五个阶段:
观察感知阶段,AI 会扫描安装包、提取各类特征、批量收集信息;假设推理阶段,它结合已有知识快速形成猜想,规划分析路径,并优先验证高概率假设;定位锚点阶段,AI 寻找代码中的语义锚点,不断探索可能的执行路径;行为决策阶段,它输出初步结论、反复校验,并根据结果动态调整分析策略。
最后,结果闭环阶段,AI 落地执行、留存取证、交叉比对,完成一轮完整判定。
这套 “感知—推理—决策—行动” 的标准化闭环,正是 AI 逆向能够高效规模化的底层原因。防御要做的,就是在这个链路的每个环节,让 AI 看不清、算不准、走不通。
御 AI,构建立体防御体系
针对 AI Agent 的完整分析链路,易盾提出了系统化的防御框架,围绕隐藏、复杂化、诱捕、误导四大核心手段,构建让 AI 陷入分析困境的防护网。
隐藏,让核心真实信息隐身
关键代码采用运行时下发机制,通过加密通道按需拉取、校验后载入内存执行,运行结束立即销毁,避免代码长期驻留。
与此同时,在代码中植入与真实控制流等价的诱饵分支,配合不透明谓词与路径切换逻辑,让真假分支高度相似,从而大幅抬高 AI 的信息感知门槛。
复杂化,直接拉低 AI 的还原准确率
易盾依托自定义栈虚拟机方案,将 LLVM SSA 值映射为局部变量,构建私有中间指令集,并在字节码中混入无意义、诱导性字段;再搭配多样化 Handler 与随机轮换 Opcode,让还原难度持续叠加。
实测数据直观体现了防护效果:未做混淆时,AI 对目标算法的覆盖率可达 93.3%;而经过新型 VMP 虚拟化混淆后,算法覆盖率下降至 30.3%,还原准确率仅为 16.2%。
诱捕,用蜜网陷阱欺骗 AI 的经验惯性
AI 高度依赖过往样本经验做判断,这恰恰是防御方可利用的突破口。比如通过伪造诱导导出层,当 AI 通过 dlopen/dlsym 匹配熟悉接口名时,会返回看似正常的虚假内存数据。
同时对 AES、MD5 等高频标准算法做细微魔改,调整位序、替换常量表,让 AI 将其误识别为标准算法。测试显示,对 20 个第三方算法进行魔加虚拟化处理后,诱骗混淆成功率可达 85%。
误导,引导 AI 避重就轻,错失核心逻辑
利用语义干扰制造信息差,在核心受保护逻辑旁边放置容易被识别但无关紧要的干扰代码。一个典型例子是:深层反调试逻辑做虚拟化保护,旁边放置简单且无防护的 Frida 检测代码。
AI 倾向于优先识别简单特征,很可能直接判定为普通 Frida 检测,从而忽略底层真正的防护逻辑。同时配合内存切割误导,按页拆分目标内存段,通过匿名重映射、伪装内存权限、伪造命名等方式,打乱 AI 对内存区域的定位能力。
主动反制:捕捉 AI Agent 独有的行为指纹
除了被动地迷惑与干扰分析,防御方还可以主动识别攻击主体。
AI Agent 在运行时会留下区别于人工调试的独特行为指纹:触控时间戳间隔规整、点击坐标多为整数、在同一位置重复点击;对陷阱页进行高频读取,可通过 MADV_DONTNEED 配合 mincore 加以感知;进程依靠 adb、monkey 或 instrumentation 拉起,频繁重启且行为高度规律。
捕获这些指纹后,系统即可判定攻击者是否为 AI Agent,并联动触发诱捕与反制策略,形成 “识别—反制”的完整闭环。
AI Agent 带来的流水线化逆向攻击,意味着单一的混淆或加壳手段已经不足以应对新形势下的安全威胁。
面向人机协同攻防的新阶段,赵贝贝总结为:“将加固能力与风控、业务场景深度结合,持续抬高 AI 分析成本,让自动化攻击不再是低门槛、高回报的捷径,是我们可以重点关注可思考的方向。”
安全之道,守正固本,出奇制胜。在自动化攻击持续演化的未来,只有同步迭代、持续进化的代码保护体系,才能守住代码安全的底线。