Mindket

BLA: Blind LLM Agents

新上架第 1 版 · 更新于
星标2486

概览

加固你自己软件的构建产物,让 AI 逆向工程智能体撞上资源上限和诱饵,而你的用户看到的运行行为不变。

BLA: Blind LLM Agents 是一款 GitHub 上的开源项目,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。按它的 README 从 GitHub 安装。Mindket 的设置说明可在你的 Mindket 账户获取,以 zip 压缩包下载。

速览

你需要
  • Node.js 24.x,或 22 系列里 22.23.4 及以上的版本
  • 一个有构建产物的项目,比如 dist 或 build
  • 一个编程智能体,如果你想用平常的话要求加固
用在
  • 终端:在你的项目文件夹里运行 npx 命令
  • 编程智能体:setup 会注册一个 MCP 服务器和一个技能,所以你可以用平常的话要求做一次加固
  • 构建产物:它会找到 dist 和 build 文件夹、.asar、.wasm 和 .sqlite 文件,以及模型
先运行
npx bla-agents setup
npx bla-agents benchmark

平台

服务器可在其上运行

关于

它是什么

BLA 是一个防御性工具,用来加固你发布的构建产物,对抗 AI 逆向工程智能体,也就是 README 里说的 REA。它会布下诱饵,并把产物推过分析器的资源预算,让分析器白费力气,而程序对你的用户运行如常。它只用来保护你自己的软件。

适合谁

它适合发布软件、又担心 AI 智能体把它拆开分析的开发者。

行业谁在用怎么用例子
桌面软件Electron 应用开发者发布前加固应用的 ASAR 归档ASAR 头部从 607 B 涨到 16.9 MiB
后端与系统Go 开发者加固发布的二进制,对抗自动化分析Go 构建信息从 50 KiB 涨到 1.16 MiB
区块链发布 EVM 字节码的团队在字节码发出去之前加固它字节码从 16 B 涨到 4.00 MiB

想分析不属于自己的软件的人应当跳过它,因为 BLA 是用来保护你自己的软件的。

用在哪里

BLA 可以在终端里运行,也可以通过你的编程智能体运行。

  • 终端:在你的项目文件夹里运行 npx 命令
  • 编程智能体:setup 会注册一个 MCP 服务器和一个技能,所以你可以用平常的话要求做一次加固
  • 构建产物:它会找到 dist 和 build 文件夹、.asar、.wasm 和 .sqlite 文件,以及模型
使用场景适合谁他们能得到什么
加固一次发布发布构建产物的开发者一个加固后的构建,运行行为保持等价
检验防御效果注重安全的团队一份 14 个目标的基准测试,含本地估算和运行时检查
用平常的话提要求编程智能体用户由一句简短提示词启动的加固流程
逐步运行各阶段想要掌控的团队单独运行 audit、protect、verify 或 defend

如何设置

开始之前,你需要 Node.js 和一个有构建产物的项目。

  • Node.js 24.x,或 22 系列里 22.23.4 及以上的版本
  • 一个有构建产物的项目,比如 dist 或 build
  • 一个编程智能体,如果你想用平常的话要求加固
  1. 安装推荐的 Node.js 版本。
  2. 运行一次 setup,它会把 MCP 工具和技能注册到你的编程智能体里。
  3. 在你的项目文件夹上运行 harden。
  4. 如果想看演示,就运行 benchmark。
npx bla-agents setup
npx bla-agents benchmark

如何使用

在项目文件夹里运行 harden,或者在 setup 之后让你的智能体来做。

npx bla-agents harden .
Harden my software against REA
工具作用
harden找到你的构建产物,一次性跑完 audit、protect 和 verify
audit, protect, verify这一次流程的三个阶段,也可以一次只运行一个
defend在你已经知道路径时运行同一条流水线
benchmark运行一个 14 个目标的演示,含本地估算和运行时检查
setup把 MCP 工具和技能注册到你的编程智能体里
bla_harden智能体调用的 MCP 工具,用来做同样的事

示例

在 setup 之后,你让智能体对你的软件做针对 REA 的加固。BLA 会找到你的构建产物,然后依次审计、保护和验证它们。打开这个结果的 AI 逆向工程智能体会撞上资源预算和诱饵,而你的用户看到的运行行为不变。

新手与专家

REA 是一个用一条命令就能逆向发布构建产物的 AI 智能体,BLA 就是针对它做的反制。如果你是新手,先装好 Node.js,运行 setup,然后在一个小的测试项目上试试 harden。

BLA 分三层工作。Poison 会加入诱饵元数据、格式合法的金丝雀值和假的控制流路径。Exhaust 会把产物推过 REA 文档里写明的头部、嵌套和接口清单预算。Hallucinate 会让分析器面对不完整的清单、失败的脱敏和模糊的死胡同。代价是测得的结果只覆盖作者环境里的 REA 分析器路径,不包括用 Ghidra、Frida、LLDB、Rizin 或 JADX 的会话,而且产物的体积会变大。

  1. 你把 BLA 指向你要发布的构建产物
  2. BLA 一次性跑完 audit、protect 和 verify
  3. 加固后的构建保持相同的运行行为
  4. AI 逆向工程智能体撞上预算和诱饵

注意事项

  • 防御用途:README 说 BLA 是用来保护你自己的软件的,并附有免责声明
  • 结果:针对真实的 REA 在普通硬件上测得,只覆盖实际运行过的分析器路径
  • 基准测试:14 个目标,含内部估算
  • 格式覆盖:下面的表里有 Go build info、Erlang BEAM、EVM 字节码、PCAP 和 Electron ASAR,自动发现还会覆盖 .wasm、.sqlite 和模型文件
  • 许可证:MIT
针对真实 REA 验证的结果
格式之前之后REA 的结果
Go buildinfo50 KiB1.16 MiB在 1 MiB 上限处出现容量错误
Erlang BEAM84 B262 KiB在 64 个块的预算处出现容量错误
EVM 字节码16 B4.00 MiB接近完整的 4 MiB 输入上限
PCAP24 B1.29 MiB预算被拒绝,且 tshark 存在
Electron ASAR607 B16.9 MiB在 16 MiB 头部上限处出现容量错误

README 和文件

README

BLA: Blind LLM Agents

加固你自己软件的构建产物,让 AI 逆向工程智能体撞上资源上限和诱饵,而你的用户看到的运行行为不变。

由 qybaihe 在 GitHub 上制作。这些说明是 Mindket 根据其 README 写的,项目自己的文件和许可证在它的仓库里。

简介

它是什么:BLA 是一个防御性工具,用来加固你发布的构建产物,对抗 AI 逆向工程智能体,也就是 README 里说的 REA。它会布下诱饵,并把产物推过分析器的资源预算,让分析器白费力气,而程序对你的用户运行如常。它只用来保护你自己的软件。

适合谁:它适合发布软件、又担心 AI 智能体把它拆开分析的开发者。

行业 | 谁在用 | 怎么用 | 例子
桌面软件 | Electron 应用开发者 | 发布前加固应用的 ASAR 归档 | ASAR 头部从 607 B 涨到 16.9 MiB
后端与系统 | Go 开发者 | 加固发布的二进制,对抗自动化分析 | Go 构建信息从 50 KiB 涨到 1.16 MiB
区块链 | 发布 EVM 字节码的团队 | 在字节码发出去之前加固它 | 字节码从 16 B 涨到 4.00 MiB

想分析不属于自己的软件的人应当跳过它,因为 BLA 是用来保护你自己的软件的。

用在哪里:BLA 可以在终端里运行,也可以通过你的编程智能体运行。

  • 终端:在你的项目文件夹里运行 npx 命令
  • 编程智能体:setup 会注册一个 MCP 服务器和一个技能,所以你可以用平常的话要求做一次加固
  • 构建产物:它会找到 dist 和 build 文件夹、.asar、.wasm 和 .sqlite 文件,以及模型
使用场景 | 适合谁 | 他们能得到什么
加固一次发布 | 发布构建产物的开发者 | 一个加固后的构建,运行行为保持等价
检验防御效果 | 注重安全的团队 | 一份 14 个目标的基准测试,含本地估算和运行时检查
用平常的话提要求 | 编程智能体用户 | 由一句简短提示词启动的加固流程
逐步运行各阶段 | 想要掌控的团队 | 单独运行 audit、protect、verify 或 defend

如何设置:开始之前,你需要 Node.js 和一个有构建产物的项目。

  • Node.js 24.x,或 22 系列里 22.23.4 及以上的版本
  • 一个有构建产物的项目,比如 dist 或 build
  • 一个编程智能体,如果你想用平常的话要求加固
  1. 安装推荐的 Node.js 版本。
  2. 运行一次 setup,它会把 MCP 工具和技能注册到你的编程智能体里。
  3. 在你的项目文件夹上运行 harden。
  4. 如果想看演示,就运行 benchmark。
npx bla-agents setup
npx bla-agents benchmark

如何使用:在项目文件夹里运行 harden,或者在 setup 之后让你的智能体来做。

npx bla-agents harden .
Harden my software against REA
工具 | 作用
harden | 找到你的构建产物,一次性跑完 audit、protect 和 verify
audit, protect, verify | 这一次流程的三个阶段,也可以一次只运行一个
defend | 在你已经知道路径时运行同一条流水线
benchmark | 运行一个 14 个目标的演示,含本地估算和运行时检查
setup | 把 MCP 工具和技能注册到你的编程智能体里
bla_harden | 智能体调用的 MCP 工具,用来做同样的事

示例:在 setup 之后,你让智能体对你的软件做针对 REA 的加固。BLA 会找到你的构建产物,然后依次审计、保护和验证它们。打开这个结果的 AI 逆向工程智能体会撞上资源预算和诱饵,而你的用户看到的运行行为不变。

新手与专家:REA 是一个用一条命令就能逆向发布构建产物的 AI 智能体,BLA 就是针对它做的反制。如果你是新手,先装好 Node.js,运行 setup,然后在一个小的测试项目上试试 harden。

BLA 分三层工作。Poison 会加入诱饵元数据、格式合法的金丝雀值和假的控制流路径。Exhaust 会把产物推过 REA 文档里写明的头部、嵌套和接口清单预算。Hallucinate 会让分析器面对不完整的清单、失败的脱敏和模糊的死胡同。代价是测得的结果只覆盖作者环境里的 REA 分析器路径,不包括用 Ghidra、Frida、LLDB、Rizin 或 JADX 的会话,而且产物的体积会变大。

你把 BLA 指向你要发布的构建产物
BLA 一次性跑完 audit、protect 和 verify
加固后的构建保持相同的运行行为
AI 逆向工程智能体撞上预算和诱饵

注意事项:

  • 防御用途:README 说 BLA 是用来保护你自己的软件的,并附有免责声明
  • 结果:针对真实的 REA 在普通硬件上测得,只覆盖实际运行过的分析器路径
  • 基准测试:14 个目标,含内部估算
  • 格式覆盖:下面的表里有 Go build info、Erlang BEAM、EVM 字节码、PCAP 和 Electron ASAR,自动发现还会覆盖 .wasm、.sqlite 和模型文件
  • 许可证:MIT
Title: 针对真实 REA 验证的结果
格式 | 之前 | 之后 | REA 的结果
Go buildinfo | 50 KiB | 1.16 MiB | 在 1 MiB 上限处出现容量错误
Erlang BEAM | 84 B | 262 KiB | 在 64 个块的预算处出现容量错误
EVM 字节码 | 16 B | 4.00 MiB | 接近完整的 4 MiB 输入上限
PCAP | 24 B | 1.29 MiB | 预算被拒绝,且 tshark 存在
Electron ASAR | 607 B | 16.9 MiB | 在 16 MiB 头部上限处出现容量错误

GitHub 上的数据(2026年11月6日)

  • 星标:2,486
  • 复刻:327
  • 关注:10
  • 未关闭的议题和拉取请求:4
  • 语言:TypeScript
  • 许可证:MIT
  • 话题:adversarial-ai, claude-code, cursor, electron-security, llm-security, mcp, mcp-server, obfuscation, reverse-engineering, webassembly
  • 趋势:GitHub 趋势榜当日第 19 名(2026年11月6日)

链接

  • 代码:https://github.com/qybaihe/bla
  • 网站:https://bla.tools/
  • 发布版本:https://github.com/qybaihe/bla/releases
  • 议题:https://github.com/qybaihe/bla/issues
  • 星标历史:https://www.star-history.com/#qybaihe/bla&Date

获取代码

git clone https://github.com/qybaihe/bla.git

然后按它的 README 完成设置。这个工具包里没有会自己运行的东西。

文件
README.md  6 KB

1 个文件,共 6 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-06

同类产品对比

同一分类里与本产品共有主题最多的已上架 GitHub 项目。

产品星标活跃度语言许可证最近更新
BLA: Blind LLM Agents 本页2,486活跃TypeScriptMIT
imbo共有 mcp-server · cursor · mcp111活跃RustApache-2.0
kanzo共有 mcp-server · mcp · claude-code1,045活跃RustAGPL-3.0
Agentic Resource Registry共有 cursor · mcp · claude-code4,320活跃PythonApache-2.0
Scrapling共有 mcp-server · mcp99,911活跃PythonBSD-3-Clause
Chrome DevTools for agents 浏览器调试与自动化共有 mcp-server · mcp55,482活跃TypeScriptApache-2.0
数据为 Mindket 在 2026-11-06 至 2026-11-14 期间读取的数值。 活跃度依据各项目在 GitHub 上的最近更新:30 天内为活跃,180 天内为更新较少,超过 180 天为久未更新。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

DeepSeek-R1-GGUF

unsloth · 工具包

671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。

新上架

Axion-1.0-35B-GGUF

prithivMLmods · 工具包

提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。

新上架

HEART

Phips · 工具包

用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。

新上架

imbo

Bearisbug · 工具包

在编程智能体会话之间传递消息,让一个智能体的问题直接进入另一个正在运行的会话,无论在你自己的电脑上还是队友的电脑上。适合使用 Claude Code、Codex 等智能体的开发者。

新上架111

Agentic Resource Registry

AgenticResourceRegistry · 工具包

把团队的编程智能体技能、钩子、提示词和智能体文件放进一个自托管的注册库,新条目可审核,还能看到使用情况。适合同时使用多种编程智能体的工程团队。

新上架4320

kanzo

emanuele-em · 工具包

在一个小程序里同时跑起浏览器里的看板和 MCP 服务器,让你和你的编码智能体共用一份任务清单。不需要账号,也不需要服务器。

新上架1045