↓ メインコンテンツへスキップ

Kimi Claude Code AI Agents

Kimiでリバースエンジニアリング、Claudeでモダナイゼーション:PythonからRustへ

Kimiで独自のlocalhostプロトコルを解明してPythonで検証し、Claudeで挙動を変えずにRustへ書き換えた手順。ゴールデンバイトとリクエストコーパスで互換性を守る方法も。

Kimiでリバースエンジニアリング、Claudeでモダナイゼーション:PythonからRustへ

韓国の銀行サイトには、いまも専用のセキュリティプログラムがいくつかパソコンで動いていることを前提にしているものがあります。ページはそれらとインターネット越しに通信するわけではありません。決まったlocalhostのポートを呼び出して、端末情報、インストール状況、リクエストごとのスタンプ、暗号化された端末ログを求めます。使っているOSをそのプログラムがサポートしなくなるまでは、これでうまく回ります。

私が欲しかったのは、他社のバイナリも証明書も秘密鍵も同梱せずに、その呼び出しに応えられる、小さくて保守しやすい互換サービスでした。最終的には、127.0.0.1 だけで待ち受け、銀行のページが期待するリクエストとレスポンスをやり取りするRust製のプログラム1本になりました。私はmacOSとLinuxで使っています。Windows版もCIで同じテストに通っていますが、実機のWindowsで銀行のページに対して試したことはまだありません。

AIツールは2つ、それぞれ別の仕事に使いました。Kimiにはプロトコルの解明と、Python実装が実際のサイトで通ることの確認を手伝ってもらいました。Claudeには、動くようになったそのPythonをRustのプログラムに作り替えるところを手伝ってもらいました。どちらかがもう一方の代わりになったわけではなく、どちらもテストの代わりにはなりませんでした。リバースエンジニアリングで仕様ができあがり、書き換えはその仕様を守らなければなりませんでした。

最初にルールを決めた
#

これは自分のマシン上で相互運用性を確保するためのプロジェクトで、銀行の管理策を破ろうとするものではありません。プログラムが守っているルールは次のとおりです。

  • プロプライエタリな実行ファイル、キャプチャした秘密鍵、ベンダーの証明書は一切含めない。
  • 報告する端末情報は、いま動いているマシンの実際のもの。値はリクエストごとに新しく生成する。
  • すべてのサービスはループバックにとどめる。ローカル認証局(CA)はユーザーごとに1つで、ループバック用の名前にしか署名できない。
  • 実装していない操作は拒否する。もっともらしい成功レスポンスを返してごまかさない。
  • 何が受け入れられるかを決めるのは銀行のサーバー。手元で復号できるペイロードは単体テストにすぎず、互換性の証明にはならない。

このルールのおかげで、プロジェクトは安全になっただけでなく単純にもなりました。サーバーに任意のデータを受け入れさせる必要は一度もありませんでした。必要だったのは、通常の流れの中で本当のデータをサーバーが受け入れてくれるくらい正確なクライアントです。

Kimiでプロトコルの地図を作る
#

代わりのものを書く前に、ブラウザが実際に何をしているのかを知る必要がありました。

Kimiはログインページとそこで読み込まれるJavaScriptを読み、localhostへのリクエストを追跡し、呼び出しを役割ごとに分類しました。取引スタンプを扱うプログラムがあり、端末とネットワークの情報を集めるプログラムがあります。ほかにも、インストール状況、キーボード保護への対応、環境スキャンの結果を返すものがあります。HTTPS上のJSONPで呼ばれるものもあれば、WebSocketのものもあります。ポート番号とレスポンスの形は動かせません。銀行側のJavaScriptがすでにそれに依存しているからです。

この段階の成果物はプロトコルの地図で、キャプチャした通信の山よりずっと役に立ちます。

役割ページが期待するもの
スタンプハンドシェイク、リクエストごとのスタンプ、証明書の設定、暗号化された端末ログ
コレクター端末とネットワークの情報(HTTPSとWebSocket)
マネージャー必要なプログラムのうちどれが入っているか、そのバージョン
キーボードとキーガードバージョン、ヘルスチェック、キープアライブへの応答
スキャナー環境スキャンへの応答

操作ごとに、リクエストのパラメーター、レスポンスの外側の形式、コンテンツタイプ、コールバックの挙動、失敗したときの見え方を書き留めました。そのうえで、観察したことを一つずつ小さな純粋関数に落とし込みました。こちらはソルト付きのエンコード、あちらは暗号化の層、また別のところは順序の決まった端末フィールドの並び、という具合です。

プロトコルで決まっている事実と、実装側で選べることを分けておいたのは、あとで効いてきました。ポート番号とフィールド名はプロトコルで固定です。Pythonのモジュール構成、Rustのクレート、エラー型は私が選べる部分でした。

実行できる仕様としてのPython
#

最初の言語としてPythonは向いていました。暗号ライブラリが手軽に使え、バイト列の操作がすぐ書け、レスポンスを変えたらその場で銀行のページを試し直せます。だから最初に動いたバージョンは、使い捨てのモックではありませんでした。それまでに分かったことのすべてを、実行できる形でまとめたものです。

プロトコルのルールにはそれぞれ、合成した入力を使うローカルのテストを付けました。ある銀行の暗号化された端末ログでは、テストが使い捨ての鍵と証明書を生成し、エンコーダーを走らせ、結果を復号してフィールドの順序と値を確かめます。これで、実際の口座に一切触れずに、エンコードの間違いをかなり拾えました。

ところが、ローカルで通るだけでは足りないと分かる失敗が1つありました。

ローカルでだけ正しかったリクエストID
#

ログのレスポンスは見た目も正しく、テストでは問題なく復号できたのに、銀行はセキュリティプログラムの検証エラーで拒否しました。ログインの試行回数を使い続ける代わりに、Kimiは銀行純正のインストール済みプログラムが返すlocalhostのレスポンスと、私のPythonが返すレスポンスを、どちらも新しく取得して比べました。

外側の形式は両者で同じで、暗号化された鍵の形も同じでした。違ったのはリクエストIDです。純正のプログラムは、IDをセッション鍵で暗号化してからエンコードしていました。私の実装は端末ログは暗号化していたのに、IDはエンコードしただけでした。

ここまで証拠がはっきりしていれば、修正は小さなものです。リグレッションテストは、ログに対してすでにやっていたのと同じように、生成した鍵でリクエストIDも復号するようになりました。次に実際に試したとき、銀行は検証エラーを返さなくなり、IDとパスワードの確認に進みました。その後の試行でログインが完了しました。

エージェントにリバースエンジニアリングをさせるなら、こういう回し方をしてほしいと思っています。観察する。精密な仮説を1つ立てる。1か所だけ変える。ローカルでテストする。そのうえで初めて、エンドツーエンドの確認を1回だけ行う。当てずっぽうの修正を10個まとめて頼むより、はるかに先へ進めます。

観察結果からRustの設計へ、Claudeと
#

Pythonが動いた時点で仕事の性質が変わり、それに合わせてツールも替えました。Claudeには発見すべきことが残っていませんでした。役目は、構造とパッケージングを良くしながら、挙動をそのまま保つことです。

Rustのコードはプロトコル自体の境界に沿って分かれています。役割ごとにモジュールが1つ、マシンの実際のOS情報とネットワーク情報を扱うものが1つ、暗号処理とローカル認証局を扱うものが1つ、コマンドライン用が1つです。非同期サーバーとTLSまわりはTokio、Hyper、Rustlsが担います。結果型を明示しているので、壊れた証明書、不正なパラメーター、未対応の操作は、意図したとおりに失敗します。依存関係はロックファイルで固定し、リリースのビルドに使うコンパイラーはツールチェーンファイルで固定しています。

RustならOSごとにネイティブの実行ファイルが1つできるので、PythonのランタイムもPyInstallerのバンドルも要りません。このバンドルが壊れやすいところでした。Intel Mac向けのビルドが起動しなかったのは、cryptographyパッケージがIntel用のwheelを配布しなくなり、pipがソースからコンパイルした結果、PyInstallerが同梱するものとは別のOpenSSLにリンクされたからです。すでにPythonで作業している人のためには、小さなPyO3パッケージが同じRustプログラムをモジュールとコマンドとして公開しています。プロトコルのロジックを二重に持つことはありません。

ここで言う「モダナイゼーション」が何を指すのかは、正直に書いておきます。これはベンチマーク主導の書き換えではなく、計測していない高速化をうたうつもりもありません。目指したのは、成果物を小さくすること、並行処理とエラーの責任範囲をはっきりさせること、ネイティブビルドを再現可能にすること、抱えるパッケージングを減らすことでした。発見の段階にはPythonが合っていました。出荷して保守するのは、私にとってはRustのほうが楽です。

契約:実装は新しく、挙動は元のまま
#

書き換えが安全だと言えるのは、何が変わってはいけないかを説明できるときだけです。私はそれを3つのレベルで確認しました。

矢印はどれも、次の段階が通らなければならないチェックです。

Pythonが出したゴールデンバイト
#

テスト用フィクスチャのフォルダーに、Python版の出力を保存してあります。エンコードした端末レコード、その圧縮形式、暗号化の出力、Python版が発行した認証局、スタンプがいくつかです。Rustのテストは自分の結果をこのバイト列と比べます。

こうしたフィクスチャは、普通の単体テストだと知らないうちに定義し直してしまいかねない問いに答えてくれます。圧縮したストリームは、Python版が裏で呼んでいたCライブラリの出力と1バイト単位で一致するか。フィールドの順序は保たれているか。以前のバージョンが作った認証局は、新しいバージョンがサーバー証明書を更新するときにも使えるか。

すべての役割にまたがるリクエストコーパス
#

PythonのサーバーとRustのサーバーを並べて動かし、37件のリクエストからなるコーパスを両方に投げました。すべての役割とトランスポートを網羅し、拒否されるケースも含みます。JSONが似ているだけでは合格にしませんでした。ステータス行、CORSヘッダー、コンテンツタイプ、ボディのすべてが完全に一致する必要があります。

拒否のケースはこのコーパスに入っていて当然です。リファレンス実装が拒否するリクエストに成功を返す代替実装は、セキュリティ上の挙動を変えてしまっています。私はそれを互換とは数えません。

本物のソケットと、ビルドしたプログラム
#

単体テストに加えて、ソケットテストと、リリース用バイナリのスモークテストがあります。スモークテストは実際のプログラムを起動し、そのstatusコマンドが、固定ポートのすべてが新しいローカル証明書で応答していることを確認できなければ失敗します。CIはmacOS、Linux、WindowsでRustコードのリントとテストを行い、Pythonのwheelは別のジョブでビルドします。リリース用のワークフローは、ターゲットごとにもう一度テストを走らせ、ビルドし、できたものをスモークテストにかけ、それからやっとパッケージにします。

堅牢化も互換性の一部
#

端末情報を返すローカルサービスは、パスワードを一切見ないとしても、扱いに注意が要ります。どんなウェブサイトでも、scriptタグやWebSocketでlocalhostのポートを名指しできますし、CORSはどちらも止めてくれません。

そこでこのプログラムは、すべての役割とトランスポートで呼び出し元を確認します。Origin、Referer、Sec-Fetch-Site を見て、想定外の Host は拒否し、許可リストにある銀行のオリジンにだけ応答します。認証局が署名できるのは、127.0.0.1、localhost、そしてスタンプのページが呼ぶホスト名1つだけです。秘密鍵はユーザーのデータフォルダーから出ず、使い捨てのコンテナで動かす場合は鍵をディスクに書くことすらありません。

キーボード暗号化と証明書による署名は実装していないので、明示的なエラーを返します。暗号化された出力をでっち上げるものはなく、インストールや更新が成功したふりをするものもありません。

これは書き換えのあとで付け足したものではありません。すでに挙動の一部だったので、書き換えでも引き継ぐ必要がありました。

同じやり方を使いたい人のために
#

この分担がうまくいったのは、フェーズごとに「完了」の定義が違っていたからです。

  1. 実装の前に地図を作ります。1つ目のエージェントに、ブラウザのコード、localhostへの呼び出し、状態を持ち回るリクエストの順序を読ませ、観察したことと、まだ推測にすぎないことを分けておきます。
  2. 小さなリファレンス実装を作ります。私にはPythonが合っていました。試行錯誤が速く、変換処理が読みやすく、合成データで暗号の往復テストができます。
  3. 実際のサービスにはなるべく当てません。新しく取得したレスポンスを比べ、不一致を1つに絞り込みます。動いているサービスに、やみくもな再試行はしません。
  4. 言語を替える前に、挙動をフィクスチャとして固定します。ゴールデンバイト、リクエストコーパス、失敗ケースです。どれも秘密情報を含まないものにします。
  5. 2つ目のエージェントには、その契約に対してリファクタリングさせます。頼むのはモジュールの境界、型付きのエラー、並行処理、パッケージング、CIです。プロトコルの解釈をやり直させてはいけません。
  6. 出荷するものをテストします。つまり全ターゲットのリリース用バイナリです。ライブラリとしてimportできることや、コンパイルが通ることでは分かりません。
  7. 差分は自分で読みます。エージェントは多くの文脈を抱えられますが、法的にどこまでやるか、どれだけリスクを取るか、互換性が何を意味すべきかは決めてくれません。

調査とリファクタリングを並行して進めるなら、git worktreeを分けておくと助かります。分けていないと、調査のための編集と構造の書き換えが、テストを走らせる前に互いを上書きしかねません。これについてはClaude Codeのworktreeの使い方に書きました。

次もこうする
#

いちばん効いたプロンプトは、「この製品をリバースエンジニアリングして」でも「これをRustで書き直して」でもありませんでした。もっと狭い仕事を順に渡していくやり方です。

  • このリクエストの正確なエンコードを突き止め、ローカルの往復テストで証明する。
  • 純正のレスポンスとリファレンス実装のレスポンスの違いを、推測なしで説明する。
  • 実装を入れ替えつつ、このバイト列は変えない。
  • 挙動が少しでも変わったらリリースが失敗するようにする。

この順番のおかげで、失敗がどこに属するのかも分かりました。プロトコルの不一致は発見の段階に、壊れたフィクスチャは書き換えに、パッケージングの失敗はリリースに戻せばいいわけです。どちらのツールも、次に何をするかを決めたのがツール自身の自信ではなく証拠だったときに、いちばん役に立ちました。Pythonはその2つの間にあって、どちらにも守るべき具体的なものを与えてくれました。

コメント

コメントは確認後に表示されます。