هوش مصنوعی (AI) و MCP برای مهندسی معکوس
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- پروتکل زمینه مدل (MCP) چیست؟
- چگونگی فعالسازی یکپارچهسازی AI در مهندسی معکوس و دیباگینگ
- چگونگی اتصال میزبانهای AI مبتنی بر LLM به ابزارها و گردشهای کاری دیباگینگ، دیساسمبلی و دکامپایل
- تکنیکهای مهندسی پرامپت و ساختاردهی زمینه برای تسک های مهندسی معکوس
- موارد استفاده واقعی که در آن AI به طور قابل توجهی مهندسی معکوس، دیباگینگ و تحلیل ایستا را بهبود میبخشد.
- وایب کدینگ برای ابزارهای MCP
- ایجاد سرور MCP شخصی
- استفاده از LLM ابری و همچنین اجرای محلی LLM برای مهندسی معکوس
- اجرای LLM مبتنی بر ویندوز و LLM مبتنی بر لینوکس
- سرورهای MCP برای x64dbg ،dnSpy ،Ghidra ،Cutter ،IDA Pro و غیره
- اجرای سرور MCP در ماشین مجازی و دسترسی به آن از ماشین میزبان
- ایجاد Crackme های شخصی برای تست
- استفاده از Claude Desktop ،5ire و LM Studio برای یکپارچهسازی MCP
- اجرای مدلهای LLM شخصی با LM Studio برای استنتاج
- استفاده از OpenAI API برای LLM
- مهندسی معکوس به کمک AI برای باینریهای ویندوز و لینوکس (x86 و x64)
- و موارد بیشتر...
پیشنیازهای دوره
- درک مقدماتی از مهندسی معکوس یا برنامهنویسی سطح پایین
- آشنایی با ابزارهایی مانند دیباگرها، دیساسمبلرها یا دکامپایلرها (مفید است اما اجباری نیست)
- کنجکاوی و آمادگی برای تجربه AI در گردشهای کاری فنی
توضیحات دوره
قدرت هوش مصنوعی (AI) در مهندسی معکوس و تحلیل باینری را با پروتکل زمینه مدل (MCP) آزاد کنید.
در این دوره، خواهید آموخت که چگونه مدلهای زبان بزرگ (LLMs) را با استفاده از پروتکل زمینه مدل (MCP) در گردش کار مهندسی معکوس خود ادغام کنید. یک چارچوب پیشرفته که برای اتصال میزبانهای AI به ابزارهای دیباگینگ، دیساسمبلی و دکامپایل شما طراحی شده است.
این دوره با الهام از ظهور Vibe Coding یک روند مدرن متمرکز بر توسعه روان، خلاقانه و تقویتشده با AI همان فلسفه را به دنیای مهندسی معکوس میآورد. به «هوش مصنوعی و MCP برای مهندسی معکوس» خوش آمدید: روشی هوشمندانه و شهودیتر برای تحلیل، خودکارسازی و درک باینریهای پیچیده با کمک Generative AI است.
چه در زمینه تحلیل بدافزار، پژوهش آسیبپذیری، هک اخلاقی یا حفاظت نرمافزار فعالیت میکنید، این دوره به شما نشان میدهد که چگونه از AI برای خودکارسازی تسک های تکراری، کسب بینشهای هوشمند و سادهسازی تحلیل ایستا و پویا استفاده کنید.
دیباگینگ و تحلیل AI محور: بهبود مهارتهای مهندسی معکوس با Generative-AI
شما بررسی خواهید کرد که چگونه Generative-AI میتواند از مهندسی معکوس، تحلیل ایستا و پویا برای ویندوز و لینوکس پشتیبانی کند.
آنچه یاد خواهید گرفت
- پروتکل زمینه مدل (MCP) چیست و چگونه یکپارچهسازی AI را در مهندسی معکوس و دیباگینگ فعال میکند؟
- چگونگی اتصال میزبانهای AI مبتنی بر LLM به ابزارها و گردشهای کاری دیباگینگ، دیساسمبلی و دکامپایل
- تکنیکهای مهندسی پرامپت و ساختاردهی زمینه برای وظایف مهندسی معکوس
- مهندسی معکوس به کمک AI برای باینریهای ویندوز x86 ،x64 و لینوکس
- استفاده از عاملهای AI ابری و همچنین اجرای محلی LLM برای مهندسی معکوس
- وایب کدینگ برای ابزارهای MCP شخصی
این دوره برای چه کسانی است؟
- مهندسان معکوس و تحلیلگران بدافزار که به دنبال افزایش بهرهوری با AI هستند.
- هکرهای اخلاقی و تسترهای نفوذ که در حال بررسی خودکارسازی با LLM ها هستند.
- متخصصان امنیت سایبری علاقهمند به یکپارچهسازی عملی AI
- توسعهدهندگان، پژوهشگران و یادگیرندگان کنجکاو در مورد به کارگیری AI در تحلیل باینری
چرا این دوره را بگذرانید؟
هوش مصنوعی (AI) و LLM ها به سرعت در حال دگرگونی حوزه مهندسی معکوس و دیباگینگ هستند. با پروتکل زمینه مدل (MCP) به عنوان پل ارتباطی، میتوانید میزبانهای قدرتمند AI را به محیط خود متصل کرده و با تلاش دستی کمتر، به بینشهای عمیقتری دست یابید. چه در حال تحلیل بدافزار، مهندسی معکوس باینریها، دیباگینگ برنامههای محافظتشده یا دکامپایل باینریهای پیچیده باشید، این دوره شما را به مهارتهای عملی مجهز میکند تا AI را به دستیار قابل اعتماد خود در تحلیل فنی تبدیل کنید.
و اکنون، با «هوش مصنوعی و MCP برای مهندسی معکوس»، شما فقط مهندسی معکوس را یاد نمیگیرید، شما یاد میگیرید که با وضوح، خلاقیت و جریانی هوشمندانه مهندسی معکوس کنید.
همین حالا در این دوره شرکت کنید. مدرس شما را در این دوره خواهد دید!
این دوره برای چه کسانی مناسب است؟
- مهندسان معکوس و تحلیلگران بدافزار که به دنبال افزایش بهرهوری با AI هستند.
- هکرهای اخلاقی و تسترهای نفوذ که در حال بررسی خودکارسازی با LLM ها هستند.
- متخصصان امنیت سایبری علاقهمند به یکپارچهسازی عملی AI
- توسعهدهندگان، پژوهشگران و یادگیرندگان کنجکاو در مورد به کارگیری AI در تحلیل باینری و دیباگینگ
هوش مصنوعی (AI) و MCP برای مهندسی معکوس
-
مقدمه 07:25
-
مقدمهای بر MCP 14:02
-
نصب ابزارهای پشتیبان 10:02
-
نصب رابط کاربری (UI) میزبان (Host) 17:25
-
پروتکلهای stdio و http و فایلهای پیکربندی json 11:00
-
پیکربندی x64dbg با http و mcp-remote (MCP AgentSmither) 24:50
-
استفاده از AI برای یافتن کد مخفی در فایل exe 09:41
-
پیکربندی x64dbg با استفاده از پروتکل stdio (Wasdubya MCP) 11:02
-
استفاده از AI با یک فایل exe تعاملی 13:55
-
مقدمهای بر ساخت Crackme 02:23
-
نصب Dev-C++ 06:51
-
ساخت Crackme شخصی 04:06
-
مقدمهای بر x64dbg-automate 06:00
-
نصب x64dbg-automate 04:01
-
نصب Visual Studio Code و افزونههای Python 04:18
-
ایجاد برنامه "Hello World" با قراردادهای کدنویسی MCP 13:37
-
تبدیل کد پایه Python به سرور MCP 06:19
-
اتصال سرورهای MCP به عاملهای هوش مصنوعی 08:22
-
تابع انتخاب دیباگر - بخش 1 09:29
-
تابع انتخاب دیباگر - بخش 2 16:23
-
تابع Start session 14:01
-
تابع Detach session 13:17
-
تابع Terminate session 12:18
-
توابع Attach session و get register 15:44
-
دامپ رجیسترهای x32 و x64 15:25
-
تنظیم رجیسترهای x32 و x64 13:18
-
دریافت نمادها 14:46
-
محاسبه آدرسهای حافظه با eval sync 17:30
-
مقدمهای بر ساخت Crackme های مبتنی بر GUI 21:24
-
نصب C++ Builder 07:05
-
ساخت یک Crackme (GUI) - ورودی کلید سریال ساده 13:26
-
مقدمهای بر غیرفعالسازی ASLR 05:13
-
استفاده از Detect It Easy (DiE) برای غیرفعالسازی ASLR 02:21
-
مقدمه: فعالسازی دسترسی عاملهای AI به ماشین مجازی 05:50
-
پیکربندی معماری آزمایشگاه Split Setup 11:03
-
پیادهسازی Read Memory 11:19
-
استفاده از Vibe coding برای پیادهسازی ابزارهای MCP 13:28
-
Vibe coding ابزار memmap 20:36
-
Vibe coding ابزارهای write memory و memset 19:04
-
Vibe coding ابزار disassemble 11:34
-
Vibe coding ابزار دیساسمبل چندخطی 15:23
-
Vibe coding ابزار assemble 12:59
-
Vibe coding مابقی ابزارهای MCP 04:16
-
یافتن تابع حیاتی اعتبارسنجی کلید سریال 11:21
-
ساخت Keygen برای کلید سریال 14:52
-
بای پس کردن از دوره آزمایشی 13:35
-
بای پس کردن از حفاظت ضد دیباگر 10:26
-
بای پس کردن از سیستم فعالسازی کلاینت-سرور 07:04
-
چرا بهینهسازی کنیم؟ 07:07
-
بهینهسازی ابزارهای MCP 11:23
-
مقدمهای بر اجرای محلی LLM ها 14:03
-
نصب LM Studio 10:12
-
استفاده از Streamable HTTP برای ارتباط MCP 04:53
-
بارگذاری مدلها و پیکربندی آنها 08:22
-
استفاده از مدل محلی برای مهندسی معکوس 05:26
-
نصب سرور NET MCP. (dnSpy سفارشیسازی شده) 10:14
-
استفاده از NET MCP. در مهندسی معکوس یک Assembly 13:05
-
استفاده از LLM های محلی در مهندسی معکوس .NET 04:45
-
استفاده از OpenAI API و 5ire برای مهندسی معکوس MCP 07:54
-
اجازه دسترسی LLM محلی به ماشین مجازی 04:31
-
نصب Ghidra MCP 08:12
-
استفاده از Ghidra MCP در مهندسی معکوس 04:21
-
دسترسی به Ghidra MCP در ماشین مجازی 13:54
-
نصب GhidrAssist MCP 04:20
-
استفاده از GhidrAssist MCP در مهندسی معکوس 10:54
-
نصب سرور MCP IDA Pro 13:42
-
دسترسی به سرور MCP IDA (در VM) از عامل AI میزبان با mcp-proxy 11:39
-
نصب سرور MCP Cutter 06:20
-
دسترسی به MCP Cutter لینوکس از عامل AI ویندوز 07:42
مشخصات آموزش
هوش مصنوعی (AI) و MCP برای مهندسی معکوس
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:مقدماتی
- تعداد درس:69
- مدت زمان :12:14:17
- حجم :7.54GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy