LLMs lisent les exécutables octet par octet
Original : LLMs can read and write executables byte by byte from a hex dump
Pourquoi c'est important
Cela questionne l'avenir du reverse engineering et de l'analyse de malwares automatisée.
GPT-6.1 Sol a analysé 5 binaires à partir de hex dumps bruts, sans désassembleur ni compilateur. Il a identifié un bug réel dans ministat (FreeBSD) et détecté un malware inconnu avec ses IOCs corrects.
Des chercheurs George Xenos et Sotiris Giannopoulos ont publié en novembre 2026 une série d'expériences baptisée « Machine Code Programming », testant la capacité de GPT-6.1 Sol à raisonner directement sur les octets d'exécutables x86-64, sans aucun outil intermédiaire. Le modèle recevait uniquement un dump xxd collé dans le prompt — environ 2,4 tokens par octet — et devait répondre en une seule tentative, sans feedback.
Résultats : sur quatre programmes analysés (wordcount 5 Ko, outil AES 9 Ko, registre bancaire 8,8 Ko, ministat FreeBSD 67 Ko), le modèle a correctement décrit chacun d'eux. Sur ministat, il a même identifié un bug réel présent dans le code source upstream. Face à un échantillon de malware inconnu, il a restitué le bon comportement et extrait les IOCs exacts.
Deux autres expériences ont suivi : ajout de fonctionnalités en éditant directement les octets de trois binaires, et écriture de trois programmes depuis zéro à partir d'une description textuelle. Les sorties étaient comparées octet par octet avec une référence compilée par GCC, sous qemu-x86_64 sur Apple Silicon. DeepSeek V4.1 Flash a atteint les mêmes conclusions sur le malware, indiquant que la capacité n'est pas limitée aux modèles fermés.