Skip to content
  • "AI-крылья" или "сапоги-скороходы" на 24 в сутки...

    1 Темы
    1 Сообщения
    MasterGHM

    1000037891.png
    DeepSeek — это бесплатный универсальный ИИ-инструмент, доступный круглосуточно. Он как волшебный помощник: стоит только научиться им пользоваться — и вы вряд ли захотите с ним расставаться (как и с любым другим продвинутым ИИ-ассистентом).

    Работая с DeepSeek, вы переходите от простого анализа к конструированию и связыванию промтов. Это как выход на новую орбиту мышления — невероятная скорость и эффективность в реализации идей. Всё, что нужно, — обратить внимание на DeepSeek, включить творческий режим и начать экспериментировать с запросами...

    Хотите узнать, на что он способен? Например, давайте спросим у самого DeepSeek, как он может помочь в… скажем, нестандартных решениях или оптимизации задач.
    ---

    DeepSeek: возможности и применение в реверс-инжиниринге, создании читов и трейнеров

    DeepSeek — это мощная AI-модель, способная анализировать код, помогать в реверс-инжиниринге, дизассемблировании и разработке игровых читов. Она может использоваться вместе с такими инструментами, как Cheat Engine, ReClass.NET, IDA Pro, Ghidra, x64dbg, для поиска уязвимостей, анализа памяти и автоматизации создания трейнеров.

    ---

    1. Основные возможности DeepSeek

    - Анализ кода: Чтение и объяснение ассемблерного (ASM), C++, C#, Python и др.
    - Помощь в реверс-инжиниринге: Поиск функций, паттернов, расшифровка обфусцированного кода.
    - Генерация кода для читов: Автоматическое создание DLL-инжекторов, хуков, патчей.
    - Работа с памятью: Поиск указателей, анализ структур данных (например, в ReClass.NET).
    - Отладка: Подсказки по использованию x64dbg, OllyDbg, IDA Pro.

    ---

    2. Применение DeepSeek в создании читов 🔹 Cheat Engine: Поиск и модификация значений

    DeepSeek может:
    - Подсказать, как находить health, ammo, money через AOB (Array of Bytes)-сканирование.
    - Генерировать Lua-скрипты для автоматизации поиска.
    - Объяснять, как работать с Pointer Maps для обхода античитов.

    Пример запроса:
    "Как найти адрес здоровья в Cheat Engine и сделать pointer scan для динамического адреса?"

    🔹 ReClass.NET: Анализ структур игровой памяти

    - Помогает определить классы, структуры, массивы в памяти игры.
    - Может предложить шаблоны для ReClass на основе дампа памяти.

    Пример запроса:
    "Как в ReClass.NET определить, что этот указатель ведёт на массив объектов игроков?"

    🔹 IDA Pro / Ghidra: Дизассемблирование и патчинг

    - Анализирует функции и помогает находить ключевые участки кода (например, проверку лицензии).
    - Предлагает оптимальные байт-патчи (например, nop-инструкции для обхода проверок).
    - Объясняет алгоритмы обфускации (VMProtect, Themida).

    Пример запроса:
    "Как в IDA Pro найти функцию, отвечающую за урон, и изменить её?"

    🔹 Создание трейнеров (Trainers)

    DeepSeek может помочь:
    - Написать DLL для инжекции (C++/C#).
    - Сгенерировать AutoHotkey-скрипты для биндов.
    - Объяснить, как сделать графический интерфейс (например, на Python или C#).

    Пример запроса:
    "Как создать трейнер на C#, который изменяет значение здоровья в игре?"

    ---

    3. Игровые движки и читинг

    DeepSeek может анализировать Unity (Il2Cpp, Mono), Unreal Engine (GObjects, GNames), помогая:
    - Находить UWorld, UPlayer в UE-играх.
    - Расшифровывать DLL-файлы Unity (с помощью dnSpy).
    - Обходить EasyAntiCheat (EAC), BattlEye.

    Пример запроса:
    "Как найти координаты игрока в Unity-игре с помощью Cheat Engine?"

    ---

    Вывод

    DeepSeek — это мощный AI-ассистент для реверс-инжиниринга, который ускоряет анализ игр, поиск уязвимостей и создание читов. Он особенно полезен в сочетании с:
    Cheat Engine (поиск значений, Lua-скрипты)
    ReClass.NET (анализ структур памяти)
    IDA Pro/Ghidra (дизассемблирование, патчинг)
    x64dbg/OllyDbg (отладка)
    DLL-инжекторы и трейнеры (C++, C#, Python)

    Если вам нужно взломать игру, создать чит или разобраться в коде — DeepSeek может стать вашим AI-напарником! 🚀

    ⚠ Важно: Используйте знания только в образовательных целях и для тестирования своих программ. Нарушение лицензионных соглашений игр может повлечь юридические последствия.

  • Программа для создания чит-кодов

    2 Темы
    2 Сообщения
    MasterGHM

    Основная:
    CeWiki

    Исчерпывающая:
    Lua.txt (обновление 2023)

    Форум:
    cheatengine.org

    Сайт:
    cheatengine.org

    Использовать CE можно разными способами. Самый простой - ничего не програмировать, а искать адреса в памяти процесса игры по правилам поиска, замораживать их значения. Посложнее - искать и использовать указатели на адреса памяти, чтобы после перезапуска уровня или игрового процесса таблица с адресами правильно работала. Посложнее будет правка дизассемблированного кода с помощью скриптов cheat engine, что даст гораздо больше управления над значениями адресов памяти, например, записать здоровье дружественным юнитам и даже создание предметов на карте или в инвентаре.

    Работа с cheat engine это один из самых интересных способов познакомиться с программированием на асемблере через асемблерные вставки и через прогон отладочного кода в пошаговой отладке (или без прогона через брейкпонты). Также можно ознакомиться с програмированием на lua, программированием dll-ок на c++. На C++, reclass и IDA можно построить классы и управлять игровым поцесссом более гибко и масштабно. Также есть инструменты под определенные игровые движки, которые облегчают реализацию читов, например, поиск функций (отладочных, декомпилированных) для читов и их создания. Скорее всего, если поискать, то можно много новых инструментов найти в Интернете.

    Также ознакомиться с программированием можно на уровнях игровых движков (unity, unreal engine, cry engine и других) через поиск в Интернете. Так можно получить представление о древовидной связи игровых обьектов сущностей и связи этих обьектов с обьектами классов-поведений. Часть классов-поведений(компоненты) являются частью игрового движка, а часть является особенностью определеной игры. Например, создание, удаление, копирование обьекта-сущности с его компонентами - это прерогатива функций игрового движка, на котором делают множество игр. А, например, управление игровой механикой это уже связь с конкретной игрой или даже конкретной версии игры. Когда, работаешь с игровым движком, то прекрасно понимаешь почему динамические указатели имеют место быть. И это и сцена, которая хранит дерево обьектов, это само дерево обьектов и это место в динамическом списке компонентов и сам компонент, который может работать с переменной локальной или же обращаться к обьектам других компонентов или классов не на основе компонентов.

    Короче говоря, если планируешь изучать прогоаммирование, то ничего нет интересней начать с программирования читов и изучения архитектуры операционной системы (начиная с процессов, потоков, памяти и т.п.). Также изучая готовые примеры скриптов, кодов, исходников игр и трейнеров. Написание трейнеров и обхода защит от трейнеров, тоже очень поможет в изучении программирования.

  • Программа для хранения базы знаний

    3 Темы
    5 Сообщения
    MasterGHM

    После использования Obsidian более месяца понял, что пока не нашел лучше программы для ведения базы знаний.
    При чем чем больше пользуешься тем вероятнее изменить стратегию ведения базы. Например, я отказался от множества vault в пользу трех: для работы на рабочем ПК, на смартфоне и на ноутбуке. Пока они все составляются не зная друг про друга. Большое их кол-во неудобная штука, т.к. переключаться между ними долго, искать в каждом отдельном так себе... Граф поможет искать все связи и ссылки. Возможно, что-то еще напишу по Obsidian. Думаю, что я изучил по Obsidian все, что мне нужно и по его основным плагинам, кроме написания сами плагинов (пока не потребовалось)

  • 3 Темы
    3 Сообщения
    P

    Товарищ Cake-san обновил свою табличку для работы с играми на Unreal Engine 5.xx
    Скачать с Goggle диск

  • 30 Темы
    68 Сообщения
    PitronicP

    Пользователь @MasterGH написал в Функция autoAssemble:

    // Скрипт похожий на таблицу АА

    Маленькое замечание. Два слеша используются для коментариев в асм. На луа используются пунктир не менее двух чёрточек. Если пользователь не разбирается, он не поймёт почему луа выдаёт ошибку. Тему поправил.

  • 49 Темы
    94 Сообщения
    MasterGHM

    Что не учли и над чем стоит поработать? Что можно улучшить? Как можно использовать ИИ?

    Вот детальный анализ недочетов текущего подхода, направления для улучшений и инновационные способы интеграции ИИ:

    ---

    1. Что не учли в текущей реализации 1.1 Динамическое изменение структур

    - Проблема: Игры с procedural generation (например, Starfield) могут менять расположение полей во время выполнения.
    - Решение: Добавить мониторинг паттернов доступа:

    function TrackStructureChanges(baseAddr) while true do local newLayout = AnalyzeStructure(baseAddr) CompareLayouts(lastLayout, newLayout) -- Алерт при изменениях sleep(1000) end end 1.2 Мультиплатформенная поддержка

    - Упущение: Нет оптимизации под ARM (Android/iOS) и консоли (PS5/Xbox).
    - Исправление: Добавить детектор ABI:

    function GetPlatformType() if readMemory(0x10000, 4) == 0x7F454C46 then return "ELF" -- Android/Linux elseif readString(0, 4) == "XBOX" then return "XBOX" end end 1.3 Обработка сетевых структур

    - Пробел: Не анализируются пакеты сетевого протокола, хотя они часто дублируют игровые структуры.
    - Доработка: Интеграция сниффера пакетов:

    function HookNetworkPackets() -- Фильтрация пакетов, содержащих координаты игроков PacketSniffer.filter("PlayerPosition", "xx xx ?? ?? xx FF") end

    ---

    2. Ключевые направления для улучшений 2.1 Гибридный статико-динамический анализ

    - Идея: Комбинировать результаты CE с Ghidra:

    graph LR CE[Динамический анализ в CE] -->|Экспорт| Ghidra Ghidra[Статический анализ] -->|Импорт паттернов| CE 2.2 Система предсказания смещений

    - Метод: Использовать статистику обращений для предсказания важных полей:

    function PredictImportantOffsets() local stats = CollectAccessStats() return { health = stats.mostAccessed[1].offset, ammo = stats.mostWritten[3].offset } end 2.3 Визуализация в 3D

    - Инновация: Отображение структур как графа в 3D-пространстве (используя Cheat Engine's OpenGL):

    function Draw3DStructureGraph() for addr, links in pairs(graph) do RenderNode(addr, links, GetStructureColor(addr)) end end

    ---

    3. Интеграция ИИ: конкретные применения 3.1 Классификация типов данных через ML

    - Подход: Нейросеть анализирует паттерны памяти:

    # Образец модели PyTorch class TypeClassifier(nn.Module): def forward(self, x): # x: [значения памяти, контекст инструкций] return torch.softmax(self.layers(x), dim=1) # Вероятности типов

    - Использование в Lua:

    function AIDetectType(address) local tensor = MemoryToTensor(address, 64) local result = ExecutePyScript("model.predict", tensor) return {"float", "int", "pointer"}[result] end 3.2 Генерация эксплойтов через ИИ

    - Пример: Автоматический поиск уязвимостей:

    function FindVulnerabilities() local patterns = AI_GenerateCrashPatterns() for _, pattern in ipairs(patterns) do if TryCorruptMemory(pattern) then LogExploit(pattern) end end end 3.3 NLP для анализа игрового кода

    - Применение: Автоматическое комментирование структур:

    function GenerateComments() local code = Disassemble(0x123456, 50) local comment = AI_AnalyzeCode(code) SetComment(0x123456, comment) -- Например: "Рендеринг частиц, цикл из 12 итераций" end

    ---

    4. Практические примеры улучшений 4.1 Для читеров

    - Авто-определение уязвимостей:

    -- ИИ ищет паттерны для телепортации local teleportCheat = AI_FindMemoryPattern({ "float x,y,z", "write frequency > 1Hz", "range -1000..1000" }) 4.2 Для моддеров

    - Генерация SDK для модов:

    GenerateModSDK({ structures = analyzed_graph, hooks = FindCodeHooks(), api = AI_GenerateAPI() }) 4.3 Для разработчиков

    - Детектор багов:

    -- ИИ находит некорректные указатели local bugReports = AI_ScanFor( "dangling pointers", memory_ranges, expected_patterns )

    ---

    5. Что еще можно улучшить? 5.1 Оптимизация Проблема Решение Медленный поиск Кэширование + параллельные потоки Ложные срабатывания Ансамбли ИИ-моделей 5.2 Безопасность function AntiAntiCheat() -- Маскировка брейкпоинтов под легитимные вызовы HideDebugger({ stealth_mode = "SYSTEM_CALL", fake_patterns = GetNormalTrafficSamples() }) end 5.3 Пользовательский опыт \-- Голосовое управление читами RegisterVoiceCommand("дай бессмертие", function() SetGodMode(true) end)

    ---

    Итог: дорожная карта улучшений

    Срочные доработки (1-2 недели):

    Динамический трекинг структур ARM/консольная поддержка

    Среднесрочные (1-3 месяца):

    Интеграция ИИ для классификации 3D-визуализация

    Долгосрочные (6+ месяцев):

    Полный AI-ассистент для реверса Генерация читов через NLP

    Пример коммита для начала работ:

    \+ function AI_Integration() { \+ // Добавляем вызов Python ML-модели \+ local result = ExecutePython("predict_type.py", memoryDump) \+ }

    Готов реализовать любое из этих улучшений в вашем форке. Какое направление наиболее приоритетно?

Метки:
Скрипт сегодня №6
function onOpenProcess(processid)
  reinitializeSymbolhandler()
  local md5Process = GetMd5Process(processid)
  PrintMd5Process(process, md5Process)
  local isSupportedVersion = CheckingMd5CurrentProcess(md5Process)
  local lineResult = isSupportedVersion and 'Is supported version.' or 'Is not supported version.'
  if not isSupportedVersion then
    speakEnglish(lineResult, false)
    messageDialog('Error', lineResult, mtError, mbClose)
  end
end

Объяснение

В сети: