مهندسی معکوس تیک‌تاک با هوش مصنوعی؛ استخراج متادیتا با کمتر از ۲۰ دلار

در روزهایی که حجم عظیمی از داده‌های وب برای آموزش مدل‌های هوش مصنوعی جمع‌آوری می‌شوند، دسترسی به اطلاعات پلتفرم‌هایی مانند TikTok به یکی از چالش‌های بزرگ مهندسان تبدیل شده است. اخیراً مقاله‌ای منتشر شده که نشان می‌دهد چگونه می‌توان با کمک مدل‌های زبانی بزرگ، ایجنت‌های هوش مصنوعی و ابزارهای متن‌باز، لایه‌های امنیتی تیک‌تاک را دور زد و متادیتای ویدیوها را با هزینه‌ای کمتر از ۲۰ دلار استخراج کرد.

زمینه و چالش‌های امنیتی تیک‌تاک

بیشتر اپلیکیشن‌های موبایل پس از کشف APIهای داخلی، کار را برای توسعه‌دهندگان راحت می‌کنند؛ یعنی کافی است ترافیک شبکه را مانیتور کرده و درخواست‌ها را با پایتون بازتولید کنید. اما تیک‌تاک به شدت سخت‌گیرانه عمل می‌کند. هر درخواست به API خصوصی این پلتفرم نیازمند یک امضا (Signature) است که توسط کتابخانه‌های بومی (Native) خود اپلیکیشن محاسبه می‌شود. نکته جالب و دردسرساز اینجاست که اگر امضا نامعتبر باشد، سرور تیک‌تاک خطای واضحی برمی‌گرداند؛ بلکه یک پاسخ HTTP 200 معمولی با بدنه خالی ارسال می‌کند. این رفتار باعث می‌شود وضعیت درخواست‌ها فریبنده باشد و تنها راه تشخیص موفقیت، بررسی محتوای پاسخ (Body) است. علاوه بر امضا، مواردی مانند هویت دستگاه، نقاط پایانی منطقه‌ای (Regional Endpoint) و اثر انگشت شبکه (Network Fingerprint) نیز همزمان بررسی می‌شوند.

پشته ابزارها و فرآیند مهندسی معکوس

برای انجام این پروژه، نویسنده از ترکیب ابزارهای زیر استفاده کرده است:

• مدل GLM 5.3: به عنوان موتور اصلی هوش مصنوعی و تحلیل‌گر.
• ایجنت Hermes: برای مدیریت ابزارها و هدایت کلی کار.
• مخزن Reverse Engineer Anything (REA): یک سرور MCP که ابزارهای سنتی مهندسی معکوس مانند Ghidra ،Jadx ،ADB و TShark را به ایجنت متصل می‌کند.
• Frida و mitmproxy: برای پایش اپلیکیشن در حال اجرا و بازرسی ترافیک شبکه.

فرآیند کار با دکامپایل کردن بایت‌کد اندروید به کمک Jadx آغاز شد تا نقشه‌ای از ساختار اپلیکیشن و کتابخانه‌های امضاساز به دست آید. سپس با استفاده از Frida تلاش شد تا ارتباط بین کدهای جاوا و بخش‌های Native بررسی شود. همچنین برای دور زدن Certificate Pinning، به‌جای غیرفعال کردن کامل بررسی گواهینامه، منطق آن طوری دستکاری شد که در نهایت نتیجه تایید شود.

استخراج بدون نیاز به شبیه‌ساز

چالش اصلی این بود که امضای درخواست‌ها به صورت دینامیک تولید می‌شود و نمی‌توان آن را بازپخش (Replay) کرد. از سوی دیگر، پیاده‌سازی مجدد ریاضیات امضاساز نیازمند کلیدهای خصوصی است. راه‌حل هوشمندانه این بود که به‌جای اجرای کل اپلیکیشن روی شبیه‌سازهای گران‌قیمت، از ابزاری به نام unidbg استفاده شود تا کتابخانه بومی امضاساز تیک‌تاک روی یک سرور معمولی اجرا شود و امضاهای معتبر تولید کند. با ترکیب این روش با هویت‌های دستگاهی تازه، استخر پروکسی‌های مسکونی و یک بررسی‌کننده محتوا (Judge)، سیستمی سبک برای جمع‌آوری داده‌ها ایجاد شد.

نگاه جامعه هکرنیوز به این موضوع

در بحث‌های هکرنیوز، توسعه‌دهندگان به نکات جالب توجهی اشاره کردند. برخی کاربران از توانایی هوش مصنوعی در بازسازی لایه‌های امنیتی و استفاده از APIهای موبایل به عنوان یک مزیت بزرگ یاد کردند و گفتند که این روش به توسعه‌دهندگان اجازه می‌دهد رابط‌های کاربری دلخواه خود را بسازند. در مقابل، برخی دیگر پرسیدند که آیا این روش داده‌هایی فراتر از ابزارهای موجود مانند yt-dlp ارائه می‌دهد یا خیر. چرا که ابزارهای متن‌باز قبلاً نیز قادر به استخراج بسیاری از این متادیتا بوده‌اند.