文章总结与翻译一、文章主要内容该研究聚焦于将大型语言模型（LLM）作为可视化代理，应用于沉浸式虚拟现实（VR）环境下的二进制逆向工程（RE），旨在降低逆向工程的认知复杂度，提升分析师对程序结构的理解效率。1. 研究背景与目标二进制逆向工程是一项认知要求极高的任务，分析师需从低层次信息中构建程序高阶结构并验证假设。此前研究已开发出认知二进制逆向工程（CogBRE）VR工具，基于具身认知、外部记忆等原则辅助逆向工程。本研究进一步探索LLM能否在无需明确训练的情况下，作为具备认知意识的可视化代理，生成符合人类感知与认知设计原则的3D程序可视化结果（如调用图），以支持逆向工程中的意义构建。2. 系统架构基于Model-Context-Protocol（MCP）框架构建LLM增强型CogBRE系统，核心包含六大组件：CogBRE VR客户端：用户通过头戴式显示器和手柄在沉浸式空间交互；Nexus：作为VR客户端与数据提供者的中间代理；Oxide：模块化逆向工程分析引擎；MCP可视化服务器：将LLM指令转换为VR客户端的空间命令；MCP Oxide服务器：提供工具调用Oxide API（及其他逆向工具）回答LLM关于二进制文件的问题；MCP客户端：协调LLM与系统其他部分的交互。研究中采用OpenAI的GPT-4.1和o4-mini两种LLM，LLM通过生成JSON格式的场景几何数据传递给MC Large Language Models as Visualization Agents for Immersive Binary Reverse Engineering
文章总结与翻译一、文章主要内容该研究聚焦于将大型语言模型（LLM）作为可视化代理，应用于沉浸式虚拟现实（VR）环境下的二进制逆向工程（RE），旨在降低逆向工程的认知复杂度，提升分析师对程序结构的理解效率。1. 研究背景与目标二进制逆向工程是一项认知要求极高的任务，分析师需从低层次信息中构建程序高阶结构并验证假设。此前研究已开发出认知二进制逆向工程（CogBRE）VR工具，基于具身认知、外部记忆等原则辅助逆向工程。本研究进一步探索LLM能否在无需明确训练的情况下，作为具备认知意识的可视化代理，生成符合人类感知与认知设计原则的3D程序可视化结果（如调用图），以支持逆向工程中的意义构建。2. 系统架构基于Model-Context-Protocol（MCP）框架构建LLM增强型CogBRE系统，核心包含六大组件：CogBRE VR客户端：用户通过头戴式显示器和手柄在沉浸式空间交互；Nexus：作为VR客户端与数据提供者的中间代理；Oxide：模块化逆向工程分析引擎；MCP可视化服务器：将LLM指令转换为VR客户端的空间命令；MCP Oxide服务器：提供工具调用Oxide API（及其他逆向工具）回答LLM关于二进制文件的问题；MCP客户端：协调LLM与系统其他部分的交互。研究中采用OpenAI的GPT-4.1和o4-mini两种LLM，LLM通过生成JSON格式的场景几何数据传递给MC RELATED READING
延伸阅读
更多一线实战笔记与深度复盘，助您持续精进
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
![洛谷 P7912：[CSP-J 2021 T4] 小熊的果篮 ← 双向链表](http://pic.xiahunao.cn/yaotu/洛谷 P7912：[CSP-J 2021 T4] 小熊的果篮 ← 双向链表)
