Security Researcher · Reverse Engineering · Chromium/V8 Internals · AI Agent Automation
专注于 Web / 移动端反爬对抗、浏览器指纹与签名参数逆向、JS 虚拟机保护与补环境 方向
涉猎 Chromium 内核改造、Linux 内核 / eBPF 动态插桩
主力语言：Python · Go · Rust · TypeScript，兼顾前端与 Cloudflare Workers 边缘部署
逆向与安全
语言与工程
AI 与基础设施
2026-09～2026-09· 核心研发
技术栈： Chromium 内核修改 · BOM Tracing · JS 补环境 · AI Agent
架构设计
针对现代 Web / 小程序端复杂 VM 混淆与浏览器指纹校验的反爬机制，设计了一套基于 AI Agent 驱动的自动化补环境参数还原流水线。
底层追踪与环境模拟
- 通过修改 Chromium 浏览器内核实现 BOM 属性与 API 调用的 Trace
- 提出并落地通用性强的 环境沙盒模拟 + 动态排除 策略
AI Agent 流水线与成本优化
- 抽象逆向经验并固化为标准化 AI Agent 执行工作流，设计针对代码还原、环境校验断点定位的高效 Prompt 策略链
- AI Agent 仅调用轻量级模型（DeepSeek-V4-Flash），实现无人工介入修改代码的自动化分析
项目成果
| 维度 | 成果 |
|---|---|
 极速交付 |
5 天内完成原型验证与方法论沉淀；在头部社交图文平台的实战验证中，仅耗时 2 小时即全自动化还原其端到端签名机制 |
 高通用性 |
先后成功覆盖校园认证系统、复杂前端签名校验系统及头部互联网平台核心风控参数，验证了该方案的高通用度与可复现性 |
2026-10～2026-10· 核心研发
技术栈： AI Agent · cv2 图像定位
流程
- 环境构建：依托前述浏览器框架的环境日志追踪能力，采集混淆脚本的运行期接口访问记录；AI Agent 依据记录按模板补齐 Node 环境。环境覆盖 navigator、screen、document、storage、canvas、webgl 与 CSS 样式共七类接口。
- 拼图块识别：拼图块为背景图片的提亮素材，三通道亮度增益一致，数值区间 1.9 至 2.2。定位分两阶段：归一化相关确定候选区域，亮度增强匹配完成精修。纵向坐标采用服务端下发的初始化位置参数，检测值作为校验依据。定位误差 0 像素。
- PoW 求解：题目形式为求解数字 n，满足
md5(前缀 + n)等于给定值。Node 枚举求解，耗时 1 秒内。
项目成果
封装 Node 黑盒接口：输入拼图图片与位置参数，输出验证凭据 ticket 与 randstr。
后续优化
- PoW 求解改用 C 或 Rust 实现，压缩单次耗时。
- 图像识别引入亚像素定位或并行匹配，提升识别性能。
Email：
ilylty@qq.comBlog：https://ilylty.github.io/paperBlog/
