Humanify揭秘AST与LLM融合重新定义JavaScript反混淆技术革命【免费下载链接】humanifyDeobfuscate Javascript code using ChatGPT项目地址: https://gitcode.com/gh_mirrors/hu/humanify在当今前端工程化高度发展的时代JavaScript代码压缩混淆已成为标准实践但由此带来的可读性问题却严重阻碍了代码审计、逆向工程和技术学习。传统反混淆工具依赖静态规则和模式匹配难以应对复杂的语义理解需求。Humanify项目通过将抽象语法树AST结构化分析与大语言模型LLM语义理解能力深度融合重新定义了JavaScript反混淆的技术范式实现了从形式还原到语义恢复的颠覆性创新。核心理念AST精确解析与LLM智能推理的技术融合Humanify的核心设计理念建立在两个技术支柱之上一是基于OXC编译器的AST精确解析能力二是LLM对代码语义的深度理解能力。这种技术融合解决了传统反混淆工具无法处理的核心难题——为无意义标识符赋予有意义的语义名称。AST解析代码结构的精准拆解Humanify利用Rust编写的OXC编译器套件进行代码解析构建完整的抽象语法树表示。通过作用域分析和符号表管理系统能够精确识别每个标识符的声明位置、使用范围和生命周期。这种结构化分析为后续的智能重命名提供了准确的上下文信息。// 核心AST遍历与符号收集逻辑 let mut entries: Vec(SymbolId, u32, u32) { let scoping semantic.scoping(); let nodes semantic.nodes(); scoping .symbol_ids() .map(|sym_id| { let decl_node_id scoping.symbol_declaration(sym_id); let sym_name scoping.symbol_name(sym_id); let span scoping.symbol_span(sym_id); let binding_scope scoping.symbol_scope_id(sym_id); // 计算作用域大小用于排序 let ctx_span find_binding_ancestor_span( nodes, scoping, decl_node_id, sym_name, source, binding_scope ); let size ctx_span.end.saturating_sub(ctx_span.start); (sym_id, size, span.start) }) .collect() };LLM智能推理语义化名称生成系统通过精心设计的提示工程将AST提取的上下文信息转化为LLM可理解的语义描述。每个标识符的周围代码片段被截取并作为上下文提供给LLM模型基于代码逻辑和命名惯例生成语义化的变量名。// LLM提示词构建与调用 const SYSTEM_PROMPT: str You are a senior software engineer reviewing minified or obfuscated JavaScript. Your job is to assign a single descriptive identifier name based on how the variable is used in the surrounding code. Return JSON only.; let user format!( Surrounding code:\njavascript\n{surrounding_code}\n\n\nThe identifier currently named {original} appears in this code. Suggest a single descriptive replacement name. Rules:\n- camelCase for variables and functions, PascalCase for classes/constructors\n- ASCII letters, digits, underscores only; first character must be a letter or underscore\n- Avoid JavaScript reserved words\n- If the current name is already meaningful, return it unchanged );架构解析模块化设计与多LLM提供商支持Humanify采用高度模块化的架构设计将AST解析、LLM集成、重命名逻辑和命令行接口清晰分离支持多种LLM服务提供商的无缝切换。核心模块架构模块功能关键技术src/rename/AST遍历与重命名引擎OXC编译器、作用域分析src/llm/LLM集成与通信层异步HTTP、JSON Schema验证src/cli/命令行接口与提供商适配Clap命令行框架、多提供商支持src/pipe.rs流式处理管道标准输入输出处理多LLM提供商支持策略Humanify通过统一的JsonStrategytrait抽象了不同LLM提供商的接口差异实现了OpenAI、Anthropic、Google Gemini、OpenRouter和本地Ollama模型的无缝集成。这种设计使得用户可以根据需求选择最适合的模型同时保持了代码的一致性和可维护性。#[async_trait] pub trait JsonStrategy: Send Sync { /// 发送系统提示用户提示给LLM请求符合schema的JSON响应 async fn call(self, system: str, user: str, schema: Value) - ResultValue, StrategyError; /// 用于日志记录和--json-mode标志匹配的人类可读名称 fn name(self) - static str; }智能重命名工作流程代码解析阶段使用OXC编译器将JavaScript代码转换为AST作用域分析识别所有标识符及其作用域范围按作用域大小排序上下文提取为每个标识符提取周围的代码片段作为语义上下文LLM推理调用选定的LLM提供商生成语义化名称建议冲突处理检查命名冲突必要时添加前缀确保唯一性代码生成应用重命名结果生成最终的反混淆代码应用场景从代码审计到技术学习的多维度价值代码安全审计与逆向工程对于安全研究人员和代码审计人员Humanify能够将混淆后的第三方库或恶意代码恢复为可读形式显著提高分析效率。传统工具只能恢复代码结构而Humanify还能恢复变量名的语义含义使代码逻辑更加清晰。技术学习与代码理解开发者可以使用Humanify学习优秀开源项目的实现细节即使项目使用了激进的压缩混淆。通过语义化重命名学习者能够更快理解代码的设计思路和实现逻辑。遗留代码维护对于历史项目中缺乏文档的混淆代码Humanify能够帮助团队快速理解代码意图降低维护成本特别是在团队成员变更或技术栈迁移的场景下。性能对比分析特性传统反混淆工具Humanify变量名恢复基于模式匹配的简单替换基于语义理解的智能命名代码结构保持可能破坏原始结构保持AST结构完整性上下文理解局部上下文分析完整作用域语义分析可扩展性固定规则集插件化LLM提供商支持处理复杂度线性时间复杂度受LLM响应时间影响未来展望技术演进与生态扩展模型优化与成本控制随着本地LLM模型的性能提升和成本下降Humanify将进一步优化本地推理能力降低对云端API的依赖。通过模型量化、推理优化等技术实现在边缘设备上的高效运行。多语言支持扩展当前Humanify专注于JavaScript但其架构设计具备良好的扩展性。未来可以扩展到TypeScript、Python、Java等其他语言的代码反混淆场景构建统一的多语言智能代码理解平台。集成开发环境插件计划开发主流IDE如VSCode、IntelliJ的插件版本将Humanify的能力直接集成到开发工作流中实现实时代码反混淆和语义化提示。社区驱动的规则库建立社区贡献的命名规则库和最佳实践通过众包方式积累不同领域的命名惯例进一步提高重命名的准确性和专业性。技术创新的核心价值Humanify项目代表了代码理解技术的重要突破将传统的静态分析与现代AI技术有机结合解决了长期困扰开发者的代码可读性问题。其核心价值体现在技术融合创新AST精确解析与LLM语义理解的深度结合工程化实践Rust实现的高性能单二进制文件无运行时依赖开发者友好简洁的Unix风格命令行接口易于集成到现有工具链开放生态支持多种LLM提供商适应不同的部署环境和预算需求快速体验指南要体验Humanify的强大功能只需简单几步# 克隆项目仓库 git clone https://gitcode.com/gh_mirrors/hu/humanify cd humanify # 构建项目需要Rust工具链 cargo build --release # 使用OpenAI模型反混淆示例代码 ./target/release/humanify openai fixtures/example.min.js -o output.js处理前的混淆代码fixtures/example.min.jsfunction a(e,t){var n[];var re.length;var i0;for(;ir;it){if(itr){n.push(e.substring(i,it))}else{n.push(e.substring(i,r))}}return n}处理后的语义化代码output.jsfunction splitString(inputString, chunkSize) { var chunks []; var stringLength inputString.length; var startIndex 0; for (; startIndex stringLength; startIndex chunkSize) { if (startIndex chunkSize stringLength) { chunks.push(inputString.substring(startIndex, startIndex chunkSize)); } else { chunks.push(inputString.substring(startIndex, stringLength)); } } return chunks; }Humanify通过技术创新重新定义了JavaScript代码反混淆的标准为开发者提供了从机器可读到人类可理解的桥梁。我们期待社区的参与和贡献共同推动这项技术的发展让更多开发者受益于智能化的代码理解工具。【免费下载链接】humanifyDeobfuscate Javascript code using ChatGPT项目地址: https://gitcode.com/gh_mirrors/hu/humanify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Humanify揭秘AST与LLM融合重新定义JavaScript反混淆技术革命【免费下载链接】humanifyDeobfuscate Javascript code using ChatGPT项目地址: https://gitcode.com/gh_mirrors/hu/humanify在当今前端工程化高度发展的时代JavaScript代码压缩混淆已成为标准实践但由此带来的可读性问题却严重阻碍了代码审计、逆向工程和技术学习。传统反混淆工具依赖静态规则和模式匹配难以应对复杂的语义理解需求。Humanify项目通过将抽象语法树AST结构化分析与大语言模型LLM语义理解能力深度融合重新定义了JavaScript反混淆的技术范式实现了从形式还原到语义恢复的颠覆性创新。核心理念AST精确解析与LLM智能推理的技术融合Humanify的核心设计理念建立在两个技术支柱之上一是基于OXC编译器的AST精确解析能力二是LLM对代码语义的深度理解能力。这种技术融合解决了传统反混淆工具无法处理的核心难题——为无意义标识符赋予有意义的语义名称。AST解析代码结构的精准拆解Humanify利用Rust编写的OXC编译器套件进行代码解析构建完整的抽象语法树表示。通过作用域分析和符号表管理系统能够精确识别每个标识符的声明位置、使用范围和生命周期。这种结构化分析为后续的智能重命名提供了准确的上下文信息。// 核心AST遍历与符号收集逻辑 let mut entries: Vec(SymbolId, u32, u32) { let scoping semantic.scoping(); let nodes semantic.nodes(); scoping .symbol_ids() .map(|sym_id| { let decl_node_id scoping.symbol_declaration(sym_id); let sym_name scoping.symbol_name(sym_id); let span scoping.symbol_span(sym_id); let binding_scope scoping.symbol_scope_id(sym_id); // 计算作用域大小用于排序 let ctx_span find_binding_ancestor_span( nodes, scoping, decl_node_id, sym_name, source, binding_scope ); let size ctx_span.end.saturating_sub(ctx_span.start); (sym_id, size, span.start) }) .collect() };LLM智能推理语义化名称生成系统通过精心设计的提示工程将AST提取的上下文信息转化为LLM可理解的语义描述。每个标识符的周围代码片段被截取并作为上下文提供给LLM模型基于代码逻辑和命名惯例生成语义化的变量名。// LLM提示词构建与调用 const SYSTEM_PROMPT: str You are a senior software engineer reviewing minified or obfuscated JavaScript. Your job is to assign a single descriptive identifier name based on how the variable is used in the surrounding code. Return JSON only.; let user format!( Surrounding code:\njavascript\n{surrounding_code}\n\n\nThe identifier currently named {original} appears in this code. Suggest a single descriptive replacement name. Rules:\n- camelCase for variables and functions, PascalCase for classes/constructors\n- ASCII letters, digits, underscores only; first character must be a letter or underscore\n- Avoid JavaScript reserved words\n- If the current name is already meaningful, return it unchanged );架构解析模块化设计与多LLM提供商支持Humanify采用高度模块化的架构设计将AST解析、LLM集成、重命名逻辑和命令行接口清晰分离支持多种LLM服务提供商的无缝切换。核心模块架构模块功能关键技术src/rename/AST遍历与重命名引擎OXC编译器、作用域分析src/llm/LLM集成与通信层异步HTTP、JSON Schema验证src/cli/命令行接口与提供商适配Clap命令行框架、多提供商支持src/pipe.rs流式处理管道标准输入输出处理多LLM提供商支持策略Humanify通过统一的JsonStrategytrait抽象了不同LLM提供商的接口差异实现了OpenAI、Anthropic、Google Gemini、OpenRouter和本地Ollama模型的无缝集成。这种设计使得用户可以根据需求选择最适合的模型同时保持了代码的一致性和可维护性。#[async_trait] pub trait JsonStrategy: Send Sync { /// 发送系统提示用户提示给LLM请求符合schema的JSON响应 async fn call(self, system: str, user: str, schema: Value) - ResultValue, StrategyError; /// 用于日志记录和--json-mode标志匹配的人类可读名称 fn name(self) - static str; }智能重命名工作流程代码解析阶段使用OXC编译器将JavaScript代码转换为AST作用域分析识别所有标识符及其作用域范围按作用域大小排序上下文提取为每个标识符提取周围的代码片段作为语义上下文LLM推理调用选定的LLM提供商生成语义化名称建议冲突处理检查命名冲突必要时添加前缀确保唯一性代码生成应用重命名结果生成最终的反混淆代码应用场景从代码审计到技术学习的多维度价值代码安全审计与逆向工程对于安全研究人员和代码审计人员Humanify能够将混淆后的第三方库或恶意代码恢复为可读形式显著提高分析效率。传统工具只能恢复代码结构而Humanify还能恢复变量名的语义含义使代码逻辑更加清晰。技术学习与代码理解开发者可以使用Humanify学习优秀开源项目的实现细节即使项目使用了激进的压缩混淆。通过语义化重命名学习者能够更快理解代码的设计思路和实现逻辑。遗留代码维护对于历史项目中缺乏文档的混淆代码Humanify能够帮助团队快速理解代码意图降低维护成本特别是在团队成员变更或技术栈迁移的场景下。性能对比分析特性传统反混淆工具Humanify变量名恢复基于模式匹配的简单替换基于语义理解的智能命名代码结构保持可能破坏原始结构保持AST结构完整性上下文理解局部上下文分析完整作用域语义分析可扩展性固定规则集插件化LLM提供商支持处理复杂度线性时间复杂度受LLM响应时间影响未来展望技术演进与生态扩展模型优化与成本控制随着本地LLM模型的性能提升和成本下降Humanify将进一步优化本地推理能力降低对云端API的依赖。通过模型量化、推理优化等技术实现在边缘设备上的高效运行。多语言支持扩展当前Humanify专注于JavaScript但其架构设计具备良好的扩展性。未来可以扩展到TypeScript、Python、Java等其他语言的代码反混淆场景构建统一的多语言智能代码理解平台。集成开发环境插件计划开发主流IDE如VSCode、IntelliJ的插件版本将Humanify的能力直接集成到开发工作流中实现实时代码反混淆和语义化提示。社区驱动的规则库建立社区贡献的命名规则库和最佳实践通过众包方式积累不同领域的命名惯例进一步提高重命名的准确性和专业性。技术创新的核心价值Humanify项目代表了代码理解技术的重要突破将传统的静态分析与现代AI技术有机结合解决了长期困扰开发者的代码可读性问题。其核心价值体现在技术融合创新AST精确解析与LLM语义理解的深度结合工程化实践Rust实现的高性能单二进制文件无运行时依赖开发者友好简洁的Unix风格命令行接口易于集成到现有工具链开放生态支持多种LLM提供商适应不同的部署环境和预算需求快速体验指南要体验Humanify的强大功能只需简单几步# 克隆项目仓库 git clone https://gitcode.com/gh_mirrors/hu/humanify cd humanify # 构建项目需要Rust工具链 cargo build --release # 使用OpenAI模型反混淆示例代码 ./target/release/humanify openai fixtures/example.min.js -o output.js处理前的混淆代码fixtures/example.min.jsfunction a(e,t){var n[];var re.length;var i0;for(;ir;it){if(itr){n.push(e.substring(i,it))}else{n.push(e.substring(i,r))}}return n}处理后的语义化代码output.jsfunction splitString(inputString, chunkSize) { var chunks []; var stringLength inputString.length; var startIndex 0; for (; startIndex stringLength; startIndex chunkSize) { if (startIndex chunkSize stringLength) { chunks.push(inputString.substring(startIndex, startIndex chunkSize)); } else { chunks.push(inputString.substring(startIndex, stringLength)); } } return chunks; }Humanify通过技术创新重新定义了JavaScript代码反混淆的标准为开发者提供了从机器可读到人类可理解的桥梁。我们期待社区的参与和贡献共同推动这项技术的发展让更多开发者受益于智能化的代码理解工具。【免费下载链接】humanifyDeobfuscate Javascript code using ChatGPT项目地址: https://gitcode.com/gh_mirrors/hu/humanify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
