HumanifyJS：基于 LLM 与 Babel 的 JS 反混淆工具

在 JavaScript 生态中，代码混淆是常见的保护手段，但同时也给安全审计、逆向分析和代码维护带来了巨大挑战。传统反混淆方法往往难以在保持功能等价的同时，恢复代码的可读性。HumanifyJS 的出现，旨在通过结合前沿的大型语言模型与成熟的代码解析工具，解决这一痛点。

核心内容

HumanifyJS 的核心工作原理是结合大型语言模型与 Babel 编译器。它利用 LLM 的代码理解能力，为混淆后的变量和函数提供智能的重命名建议；同时，通过 Babel 插件在抽象语法树级别进行代码结构的还原与整理，确保输出代码在功能上与原始混淆代码完全等价。

该工具主要提供两种运行模式：

• 云端精确模式：需要 OpenAI 或 Gemini 的 API Key，按处理的代码长度计费。此模式利用云端 LLM 的强大能力，反混淆的准确度最高。
• 本地模式：完全免费，但处理速度和结果准确度相对受限。该模式支持在配备 M 系列芯片的 Mac 电脑上使用 GPU 加速，并能自动切换至 CPU 以充分利用硬件性能。

此外，HumanifyJS 内置了 Webcrack，能够自动解包由 Webpack 等工具打包的捆绑文件，简化了处理流程。其安装和使用也较为便捷，要求在 Node.js 20 及以上环境中，通过 npm 进行全局安装或直接使用 npx 命令运行。

价值与影响

HumanifyJS 为处理混淆的 JavaScript 代码提供了一种新的思路。它显著降低了阅读和理解混淆代码的门槛，能够有效助力安全研究人员进行漏洞审计、帮助开发者进行逆向学习，并提升在维护遗留混淆代码时的效率。需要注意的是，在使用其云端模式处理大型文件时，用户需关注 LLM API 的 token 消耗及其产生的相应成本。

---

来源：黑洞资源笔记