原创 Eastmount & YZX 2026-10-20 17:55 贵州
融合LLM的JavaScript解混淆工作，希望您喜欢！
“2024年4月28日是Eastmount的安全星球 —— 『网络攻防和AI安全之家』正式创建和运营的日子。该星球目前主营业务为 安全零基础答疑、安全技术分享、AI安全技术分享、AI安全论文交流、威胁情报每日推送、网络攻防技术总结、系统安全技术实战、面试求职、安全考研考博、简历修改及润色、学术交流及答疑、人脉触达、认知提升等。下面是星球的新人券，欢迎新老博友和朋友加入，一起分享更多安全知识，比较良心的星球，非常适合初学者和换安全专业的读者学习。
”
《娜璋带你读论文》系列主要是督促自己阅读优秀论文及听取学术讲座，并分享给大家，希望您喜欢。由于作者的英文水平和学术能力不高，需要不断提升，所以还请大家批评指正，非常欢迎大家给我留言评论，学术路上期待与您前行。
前一篇博客介绍了NDSS2026 秋季录用的智能体安全和系统安全方向的文章。本文将带来NDSS 2026的一篇论文，该工作提出了 JSIMPLIFIER，旨在概述动静态与LLM如何协同完成JavaScript解混淆？该工作提出了一条非常明确的处理链：先使输入代码可解析，再通过静态—动态协同恢复实际逻辑，最后使用LLM改善标识符与代码的可读性。注意，由于我们团队还在不断成长和学习中，写得不好的地方还请海涵，未来希望能多读多分享，这些大佬真值得我们学习。fighting！
文章目录
论文：From Obfuscated to Obvious: A Comprehensive JavaScript Deobfuscation Tool for Security Analysis
作者：Dongchao Zhou, Lingyun Ying, Huajun Chai, Dongbin Wang
主题：JavaScript反混淆、程序分析、安全语义恢复、LLM辅助代码可读性
会议：NDSS 2026
代码：https://github.com/XingTuLab/JSIMPLIFIER
参考：奇安信星图实验室论文分享
笔记作者：贵州大学 杨子轩 杨秀璋
在恶意JavaScript分析中，困难往往不是拿不到脚本，而是拿到了也难以判断脚本究竟做了什么。一段看起来由奇怪变量、字符串数组、编码表达式和动态调用组成的JavaScript，实际可能包含访问来源判断、恶意页面注入与痕迹清除等行为。只把脚本格式化，或者只让LLM“猜测”其含义，都不能保证还原后的程序仍与原程序等价。
1.1 三个真实挑战
论文从真实恶意脚本和现有工具的缺陷出发，凝练出三个问题：
关键挑战 | 具体表现 | 对系统设计的要求 |
|---|
| 输入格式多样 | 畸形语法、旧编码、混合字符、Webpack等打包结果 | 先修复/统一格式，让后续AST分析有可靠输入 |
| 多层混淆复杂 | 静态字符串变换与运行时eval、动态求值等叠加 | 静态AST分析与受控动态执行应互补协同 |
| 人工理解困难 | 逻辑部分恢复后仍保留_0x...等无意义变量名 | 语义重命名、代码美化和人工核查不可缺少 |
1.2 20种混淆技术，分成四类
作者整理了4个层级、20种混淆技术（T0—T19），而不是“20个类别”。
混淆层级 | 数量 | 典型技术 | 主要变化 |
|---|
词法级（Lexical） | 5 | 标识符重命名、间接属性访问、字符串/布尔编码 | 改变词法形式，基本结构保持 |
语法级（Syntactic） | 6 | 表达式/赋值转函数、反转字符串、AAEncode、JJEncode、JSFUCK | 改变代码组织和表达方式 |
语义级（Semantic） | 7 | 字符串数组、控制流平坦化、死代码插入、动态eval | 深度改变实现过程，保留预期行为 |
多层混淆（Multi-layer） | 2 | OB混淆、LLM辅助混淆 | 多种技术嵌套与组合 |
整个框架包含三部分：Preprocessor、Deobfuscator、Humanizer。下方是一段JavaScript从混淆到可读代码的逐步变化。
2.1 第一阶段：Preprocessor——使混淆代码成为可分析输入
预处理器的主要任务是确保不同来源的JavaScript能够进入稳定的分析流水线。原图列出五个步骤：
很多检测/解混淆工作将重点放在“模型”上，但预处理失败会使之后所有算法无从谈起。输入有效性、版本兼容性、作用域正确性，实际上是安全工具落地时容易被低估的工程瓶颈。
2.2 第二阶段：Deobfuscator——静态与动态双向协同
这是我认为全文最关键的技术部分。它不是简单地把两个引擎串联，而是建立静态移交动态、动态结果回填静态的协作方式。
对静态阶段无法安全求值的内容，系统基于分析条件识别可移交片段，并结合上下文在受控环境中计算；执行结果按类型转换为AST节点，再参与后续静态处理。这里的动态执行并非允许任意真实恶意脚本直接在宿主环境中运行。
2.3 第三阶段：Humanizer——LLM主要改善可读性
系统使用LLM进行上下文感知的标识符重命名，并用Prettier进行格式化；论文把核心逻辑恢复交给AST分析与受控执行，而不是依赖LLM直接生成整份恢复后的程序。例如，将无意义的标识符改为更符合代码功能的名称，有助于安全分析师迅速定位行为。
这一点看似普通，却牵涉到关键安全边界：“代码读起来合理”不等于“代码语义已经被严格保持”。后文Table III、Appendix H正是检验这条边界的重要证据。
3.1 三套互补数据
数据集 | 样本数量 | 平均文件大小 | 来源与目的 |
|---|
| MalJS | 23,212 | 391.78 KB | 企业伙伴提供真实恶意样本，经清洗、去重、分层取样 |
| BenignJS | 21,209 | 41.40 KB | 网站与GitHub等来源，用于良性样本和相关评估 |
| CombiBench | 1,296 | 8.06 KB | 来自JsDeObsBench的复杂组合混淆子集，用于基准对比 |
MalJS从超过1,000万份候选样本出发，经合法性筛选与内容归一化去重，再按混淆复杂度取样。BenignJS的21,209条中，包括19,209条网站混淆样本及2,000条人工核对的干净脚本。
3.2 评价维度
作者同时考察：技术覆盖能力、结果正确性、语义一致性、代码简化度、熵值变化、代码可读性。这些指标回答不同的问题：
4.1 20类混淆技术的覆盖能力
原论文 Table II。√表示完全成功，○表示部分成功，空白表示不支持；横向比较不同工具对T0—T19技术的处理能力。
在这项按20种混淆技术构建的能力实验中，JSIMPLIFIER覆盖全部20项。与之相比，传统工具往往只处理其中一部分技术，复杂语义级和多层混淆更难。
- “20/20技术可处理”是技术覆盖结果，不意味着所有现实样本都已被证明100%保留原始语义。
4.2 正确性和语义一致性
研究者对不一致的17条样本进行了失败分析，问题包括控制流改变、变量依赖破坏、API行为变化、计算差异等，若干样本同时具有多种问题。作者把重要失败原因归结为LLM变量重命名可能误解动态作用域/变量绑定。
4.3 代码简化与熵值：效果如何量化？
HLR=0.8820意味着在论文采用的Halstead长度定义下，简化幅度约为88.20%。
图2对比MalJS与BenignJS处理前后文本熵、AST熵的变化。作者在大规模样本上分析了文本熵和AST熵，其中熵分析仅使用Preprocessor与Deobfuscator，不包含Humanizer，以减少LLM引入的额外变化。
4.4 模块消融
下表展示1,000条MalJS样本上的模块组合实验。静态分析负责主要的结构/表达式还原，动态监控进一步扩展能力，Humanizer负责标识符语义增强；但调用LLM显著增加时延（Section V-G）。
4.5 运行效率与真实部署分析
表7展示了MalJS整体运行性能。 JSIMPLIFIER更像面向离线安全分析的综合工具，而非无需权衡就可直接放到毫秒级在线告警链路中的轻量检测器。对未来工程化研究而言，“何时需要昂贵的LLM阶段”是一个很有价值的独立问题。
四模型评估给出的平均相对提升为466.94%；这反映模型评价的可读性分数变化，不应改写为“程序性能提升466.94%”。另一个100条样本的GPT-4o-mini标识符重命名实验发现约12%重命名幻觉率，再次显示自然语言模型对变量语义推断存在风险。
此外，作者还进行了小规模用户研究（9人，初级/中级/专家各3人）。其中初级参与者的任务评分相对原始代码提高12.7%，中级参与者平均分析时间缩短47.7%。
4.6 真实案例：JSFireTruck揭示安全行为
下图展示混淆脚本及经JSIMPLIFIER处理后的可读代码与行为提示
在JSFireTruck案例中，系统将复杂混淆表达式恢复为可读的JavaScript，使分析人员能够识别：依据document.referrer筛选访问来源、插入恶意iframe、调用document.currentScript.remove()清除脚本痕迹等行为。
5.1 三个主要贡献
- 综合式三阶段框架
面对异构输入、多层混淆和可读性不足，联合预处理、静态—动态反混淆和语义增强。
- 静态—动态双向协调
依据AST、作用域和受控执行结果进行上下文传递、类型感知回填，而非把两类分析独立拼接。
- 覆盖与评价体系结合
梳理20种混淆技术，构建MalJS/BenignJS数据集，并结合语法、语义、简化度、熵、可读性和用户研究开展多维验证。
5.2 论文自身承认的边界
原文局限（Section VI-D） | 我的理解 |
|---|
ES6+语法在兼容化中可能被降级 | 兼容性修复并非总能不损失语言特性 |
LLM可能误命名变量、误判动态作用域 | “增强可读性”同样需要语义约束与回退 |
动态执行面临潜在VM逃逸风险 | vm.runInNewContext并非无需额外隔离的绝对安全边界 |
无法处理外部密钥加密、定制解释器与部分时间依赖解密 | 方法有适用条件，并非通用恶意代码恢复器 |
对抗者可针对已有规则和分析机制设计新混淆 | 需要持续的真实样本验证与更新 |
此外，作者报告的83/100语义一致性、较高LLM阶段耗时，以及小规模用户研究，也都提醒读者不能仅据“覆盖20项技术”推断工具已在所有维度达到最优。
以下内容是结合本人对PowerShell恶意代码检测、LLM安全分析与智能体系统的兴趣提出的后续研究思考。
（1）启发一：从“LLM生成代码”转向“LLM辅助决策，工具确定性执行”
JSIMPLIFIER向我们提供的最直接启示，是把语言推理能力与确定性执行能力分离。代码语义恢复环节需要可检查、可重复的工具结果；LLM更适合做分析计划、上下文总结和解释。特别是在Table III与Appendix H出现重命名引入未定义变量的问题后，不能把“生成看似合理的代码”当作正确性的替代品。
可以考察“验证优先（verification-first）的智能体编排”：智能体仅负责选择AST分析、字符串恢复或受限行为追踪工具，最终输出必须通过程序约束、语义一致性与执行证据检查。
（2）启发二：向PowerShell场景扩展，但不能简单复制JavaScript方案
此前我们讨论过“ Verifiable Multi-Agent Planning for Instruction-Level PowerShell Deobfuscation”。借鉴JSIMPLIFIER的“多阶段恢复+语义核验”理念，并结合PowerPeeler已有的AST与运行时指令关联机制，设想四类角色协作：
智能体角色 | 可探索的职责 | 必须回答的科学问题 |
|---|
Planner | 根据静态结构与混淆特征制定工具调用计划 | 是否比固定规则流程减少无效操作？ |
Executor | 调用现有解析/指令跟踪/沙箱等确定性工具 | 是否确保恢复的可复查性与环境隔离？ |
Verifier | 对比CFG、DDG、API行为与运行结果，失败则回退 | 校验指标是否真的能够预测语义错误？ |
Explainer | 只解释通过核验的结果并给出步骤记录 | 是否提升分析人员效率而不引入新语义风险？ |
（3）启发三：建立“正确性—可读性—耗时”三目标评价，而非只比准确率
倾向于构建三层指标：功能正确性（受控语义差分/行为等价）、安全分析效用（分析耗时、关键行为识别、误解率）、部署成本（工具调用次数、时延、计算资源）。如果Agent决策带来额外20%耗时，却没有明显提高未知混淆恢复效果，就很难说明引入它的必要性。
（4） 启发四：让“失败案例”反过来指导新方法
这篇论文Appendix H中：在模型能让变量名更“有意义”的同时，也可能制造未定义变量和错误依赖。下一步工作如果只展示漂亮的成功示例，论证仍然很薄弱。 可以设计基于不确定性的“选择性LLM介入”：当变量绑定清晰时允许语义建议，遇到动态作用域、反射或高风险API链时保留原始名称或要求额外验证。实验需报告拒绝/回退比例、错误命名率、恢复成功率和额外时延，而不是只用主观可读性分数评价。
对于学习或复现不要直接在宿主电脑执行未知恶意脚本。程序分析和受控执行应遵循机构授权、隔离环境与安全实验规范。
读完这篇NDSS 2026论文，最深的体会可以浓缩成：
- 第一，好的安全系统工作要从真实分析痛点出发，按“问题—机制—证据”构建完整论证链。
- 第二，LLM并非必须接管全部工作；把它放在合适的规划、解释或可读性环节，并用程序分析和可验证约束兜底，往往更有研究价值。
- 第三，真正值得深挖的新Idea通常不是“再加一个Agent”，而是发现安全问题，再深度分析构建威胁模型，并证明新机制确实解决了它。
JSIMPLIFIER仍存在语义不一致、耗时和执行隔离等限制，但正因作者提供了较完整的实验与失败分析，它才为下一步可验证、多阶段、动态工具协同研究提供了值得持续追踪的起点。
『网络攻防和AI安全之家』目前收到了很多博友、朋友和老师的支持和点赞，并且保持每周七次更新，尤其是一些看了我文章多年的老粉，购买来感谢，真的很感动，类目。未来，我将分享更多高质量文章，更多安全干货，真心帮助到大家。虽然起步晚，但贵在坚持，像十多年如一日的博客分享那样，脚踏实地，只争朝夕。继续加油，再次感谢！尤其是一些看了我文章多年的老粉，购买来感谢，真的很感动，类目。未来，我将分享更多高质量文章，更多安全干货，真心帮助到大家。虽然起步晚，但贵在坚持，像十多年如一日的博客分享那样，脚踏实地，只争朝夕。继续加油，再次感谢！
(By:Eastmount 2026-10-20 周二夜于贵阳 )
前文推荐：
跳转微信打开