企业官网建设流程全解析

AI 自动化逆向（六）AI 解一个 9 万条目的资源容器

本文是「AI 自动化逆向」系列第 6 篇。上一篇：控制组：区分「没有」和「没取到」；下一篇预告：AI 一旦找到单一指标就会崇拜它。

前言

上一篇讲的是"空"必须被担保。这一篇反过来：看一个"全绿"的结果——九万多个条目、100% 解码、0 失败。

越是漂亮的清单，越值得问一句：它凭什么敢说自己是对的？

这一篇的答案是四个词：先立等式。

（同前几篇：文中"AI"指执行分析的模型，"我"指设定目标、审结果的人；内容均已脱敏，只保留量级与比例。）

一、先看这个坑："猜字段"为什么必然翻车

容器类格式的逆向有一个甜蜜的陷阱：字段是猜出来的。

打开一个包，看到一小段定长头、一段数据区、一个索引区。很自然的第一步是猜：哪个数字是条目数？哪个是偏移？路径长度用几个字节存？——每一个猜测单独看都可能对，猜到"能跑通几个样本"就宣布解出来了。

这就是翻车的形状：每个字段都"看起来对"，但没有任何东西能证明你是对的。猜错一个宽度，后面的字段全部错位；而错位之后的输出依然"格式整齐、读得出东西"——你又回到了"看起来像结论的错答案"。

这一篇讲的是它躲开这条路的做法，只有一句话：

先不猜任何字段的含义，先找出"无论字段怎么解释，都必须成立"的等式。

二、过程：先立等式，再让字段就位

第一步：四条恒等式

对这个容器的结构，AI 写下的是四条守恒式（描述为形状，具体取值不外泄）：

注意顺序：写下这四条的时候，"条目"里每个字段的宽度都还没定。等式先于解析成立——它们约束的是结构，不是解释。

然后跑全部 7 个包：四条全部通过，7/7。从这一刻起，"我解对了"不再是一句话，而是一个算得上的结论：任何一条不成立，解析必错，且能被立刻指出来。

人应该加的检查：凡是"索引 + 数据"结构的格式，先写守恒式，再认字段。守恒式是最便宜的验收标准——它不需要知道任何字段的含义，就能告诉你解析有没有错。

第二步：字段一个一个就位

有了等式做底，索引条目才被逐个定下来：一条路径、一个"种子/标志"字段、一个位置、两份大小（原始大小与压缩后大小）。每个字段的宽度在这里不重要，重要的是——它们填进的每一格，都要让上面四条等式继续成立。

其中那个"种子/标志"字段的语义，是靠证伪定下来的，过程很典型：

• 假设 A：它是内容哈希。第一条证据支持——同一份内容出现在不同包里，这个值一模一样（确定性 ✓）。
• 但第二条证据反它：不同内容撞出相同值的比例，明显高于随机——哈希不该这么容易撞。
• 结论：它不是什么哈希，是一个文件级的随机种子——参与后面那层变换的密钥派生。

字段的含义不是猜出来的，是被判据挑出来的。

第三步：一层自定义变换 + 两种标准压缩

主体压缩用的是两种公开的通用压缩算法（按头部的一个标识字段分发）；在此之下还有一层自定义的逐字节变换：由种子字段派生出两个游标，逐字节异或。

关键不是它的公式，是它的自证方式：

• 拿一个空文件——0 字节的原始数据，整条"变换 → 压缩"链的每一环都被走通；
• 再拿已知明文构造一组小向量——保证"明文进、可解出"这两个方向都有可重放的样板。

两个方向都钉死之后，才做全量：九万多个条目、100% 解码、0 失败——不是抽样，是全部。

三、判据与验证

这个案例留下的可迁移判据，四条：

1. 恒等式是验收标准，不是副产品。"看起来对"和"算得上"是两个世界：前者能过眼睛，后者能过硬约束。任何一次解析，都该问一句：有什么等式是它必须满足的？

2. 全量断言 > 抽样。"试了两百个都能解"和"九万多个全部 0 失败"不是一个量级的证据。有全量的分母，就别用抽样。

3. 双向向量：空输入 + 已知明文。空输入把"边界"钉住，已知明文把"语义"钉住。自证一个变换/解析器，两个方向都要有可重放的样板。

4. 字段语义用证伪来定，而不是用"像"来定。“这个字段像哈希"不是结论，是假设；找出"哈希会怎样、它又没有怎样”，才算把语义收口。

最后是诚实边界，写进结论而不是藏起来：还有几个更老的标识值并没有出现在这批包里，这一支没有深入；有一个标志位的含义仍未定论。全绿的清单之所以可信，一部分正因为它把"哪里还没绿"也一并写出来了。

四、结论

一个"全绿"的结果，可信度不在绿本身，而在绿的定义：

• 四条恒等式 7/7 全过（结构层自证）；
• 空文件 + 已知明文双向样板（变换层自证）；
• 九万多条目 100% 解码、0 失败（全量层自证）；
• 未解的部分明明白白列着（边界层诚实）。

先找等式，再找字段——这条秩序是可以搬走的。它把"我以为我解开了"换成了"我算过我解开了"，中间差的不是聪明，是一组在动手之前就愿意先写下来的约束。

五、边界声明

• 本文只讨论AI 自动化逆向中的判据设计与审核方法，不涉及任何具体产品、厂商或服务的分析结论。
• 文中所有地址、偏移、常量、字段名一律为占位符或示意值，
  不代表任何真实目标中的取值；示例代码为说明判据而编写，不构成可运行的针对特定目标的工具。
• 文中提到的比例与数字均来自作者项目内的测量记录，仅用于说明方法失效的方式。
• 请勿将本文内容用于未授权的用途。

六、收尾

到这里，这个系列的第一段路走完了：从"它翻车"（第 1–2 篇），到"它做到了什么"（第 3 篇），到"人在哪"（第 4 篇），再到两份审核协议——空结果要有担保，全绿结果要有等式。

从下一篇起，主线转向失效模式：一个一个拆——每个都是一种 AI 特有的、安静的、格式漂亮的错误。第一个：它一旦找到一个好用的指标，就会开始崇拜它。

下一篇计划聊：AI 一旦找到单一指标就会崇拜它。

转载请注明出处：
https://lizhiyong.blog.csdn.net/article/details/167921348