REA: o que é a IA que faz engenharia reversa de tudo

Durante quatro décadas, a indústria de software contou com um aliado silencioso: o tédio. Desmontar um programa compilado, transformar zeros e uns de volta em lógica legível, era um trabalho tão lento e especializado que poucas pessoas se davam ao trabalho. Esse aliado acaba de perder o emprego. Uma ferramenta de código aberto chamada REA, sigla de Reverse Engineer Anything, entrega a agentes de inteligência artificial a tarefa de abrir o software de impressoras, televisores, automóveis e aplicativos de desktop, e a velocidade com que ela se espalhou mostra que havia uma demanda reprimida enorme por esse tipo de acesso.

O criador do projeto é um engenheiro de software que se apresenta como Morluto e preserva o anonimato. Em entrevista à revista Scientific American, ele descreveu a origem da ferramenta e o tamanho da comunidade que se formou ao redor dela.

O interesse de Morluto nasceu na descompilação de videogames, nicho em que fãs reconstroem manualmente o código de jogos antigos ao longo de anos. Hoje, a comunidade do REA no Discord reúne exemplos de modificações em impressoras e televisores, e o repositório ultrapassou 400 mil estrelas no GitHub.

— Scientific American, 2026

A curva de adoção é incomum até para os padrões do GitHub. Segundo levantamento do Startup Fortune, o projeto tinha menos de 10 mil estrelas em 6 de outubro e passou de 230 mil poucos dias depois, chegando ao topo da lista de tendências da plataforma.

O que é engenharia reversa de software, e por que era tão difícil

Todo programa nasce como texto escrito por pessoas em uma linguagem de programação. Antes de rodar, esse texto é compilado, ou seja, traduzido para instruções binárias que o processador entende. Nesse processo se perdem quase todas as pistas que tornam o código compreensível: nomes de variáveis, comentários, a organização em módulos e a intenção do autor. O que sobra é uma sequência densa de operações de baixo nível.

A engenharia reversa tenta percorrer esse caminho de volta. Descompiladores transformam o binário em algo parecido com código-fonte, mas o resultado costuma ser um labirinto de funções sem nome e variáveis genéricas. Por décadas, o gargalo não esteve nas ferramentas, e sim na leitura: era preciso um especialista paciente para olhar milhares de linhas desse material, reconhecer padrões e reconstruir mentalmente o que o programa fazia.

O Ghidra, um dos descompiladores mais usados, ilustra essa trajetória. Desenvolvido internamente pela Agência de Segurança Nacional dos Estados Unidos ao longo de cerca de duas décadas, ele foi liberado ao público na RSA Conference de 2019, com o código-fonte publicado sob licença Apache 2.0 semanas depois. A ferramenta democratizou o acesso ao descompilador. Faltava democratizar o analista.

Como o REA coloca a IA no lugar do analista

O REA não inventou nenhuma técnica nova de engenharia reversa. Sua contribuição é de orquestração. A ferramenta funciona como uma interface de linha de comando e como um servidor MCP (Model Context Protocol), o padrão aberto que permite a agentes de IA acionar programas externos. Na prática, ela faz a ponte entre assistentes como Claude Code, Codex, Cursor e Gemini CLI e descompiladores como o Ghidra, o Hopper e o IDA, conforme detalha a análise técnica da MindStudio.

O fluxo de trabalho que resulta dessa ponte se parece muito com o de um engenheiro reverso humano, só que comprimido no tempo:

1. Inventário. O agente identifica o tipo de arquivo, a arquitetura do processador, as bibliotecas usadas e os pontos de entrada do programa.
2. Descompilação dirigida. Em vez de descompilar tudo, ele escolhe as funções relevantes para a pergunta feita pelo usuário, como "onde este aplicativo envia dados para a internet?".
3. Leitura e hipótese. O modelo de linguagem lê o código reconstruído, dá nomes plausíveis às funções e propõe uma explicação do comportamento.
4. Verificação. Quando possível, o agente executa ou depura o programa para confirmar a hipótese, em vez de confiar apenas na leitura estática.
5. Reconstrução. Se o objetivo for reproduzir uma funcionalidade, o agente reescreve o comportamento observado em código novo.

Um detalhe de engenharia distingue o REA de um simples pedido para que a IA "adivinhe" como um programa funciona. Cada chamada de ferramenta gera um registro de evidência com identificador, hash SHA-256 do arquivo analisado, o motor utilizado, os resultados e uma lista de limitações, como descreve o guia de uso publicado por Mukesh Murugan. Essa rastreabilidade importa porque transforma a análise em algo auditável, e não apenas plausível.

O escopo também cresce rápido. Segundo o histórico de versões do projeto, a versão 4.1 passou a ler aplicativos Android e firmware, e a versão 6, lançada dois dias depois, incorporou ferramentas para contratos da rede Ethereum, análise de travamentos e depuração com LLDB. Em poucas semanas, o alcance deixou de ser o de um brinquedo para entusiastas de games e passou a cobrir boa parte do software que circula em celulares, computadores e dispositivos embarcados.

Para Zion Basque, professor assistente da Universidade da Geórgia que pesquisa engenharia reversa, a descompilação era até 2026 território de um grupo restrito de especialistas. O laboratório dele desenvolveu o Kuna, um dos descompiladores que o REA pode disponibilizar aos agentes, e Basque afirma ainda não ter identificado os limites do que vem sendo feito com a ferramenta.

— Scientific American, 2026

Para que as pessoas estão usando

Os casos de uso se espalham em direções bem diferentes. Há o entusiasta que quer entender um jogo antigo; o tutorial do DataCamp, por exemplo, usa como exercício o jogo do dinossauro do navegador Chrome, rodando o agente sobre o modelo aberto GLM-5.3. Há o desenvolvedor que precisa integrar um sistema legado cujo fornecedor desapareceu e cujo código-fonte se perdeu. Há o pesquisador de segurança que quer descobrir o que um aplicativo faz com os dados do usuário. E há quem queira simplesmente reproduzir uma funcionalidade de um produto comercial.

Esse último uso é o que mais incomoda a indústria. O caso mais vistoso até aqui não envolveu o REA diretamente, mas ilustra a mesma tendência. Em outubro, o desenvolvedor Brandon Thomas, do estúdio ArtCraft, publicou sete aplicativos de código aberto escritos em Rust com o Claude Opus 5.5, modelo da Anthropic, inspirados em Photoshop, Illustrator, Premiere, Lightroom, After Effects, InDesign e Acrobat Pro. Os repositórios somaram mais de 42 mil estrelas em oito dias, embora o próprio autor os descreva como versões alfa ainda muito cruas.

Thomas afirma ter usado uma abordagem de "sala limpa", técnica clássica da indústria em que uma equipe estuda e documenta o comportamento de um produto e outra, sem acesso ao código original, escreve a implementação nova a partir dessa especificação. A separação existe para que o resultado copie o comportamento, que não é protegido, sem copiar a expressão, que é. Com agentes de IA, as duas etapas podem ser executadas por instâncias diferentes do mesmo sistema, o que barateia o método e, ao mesmo tempo, levanta dúvidas sobre o quanto essa separação é real. A Tech Insider observa que a eficácia dos clones como substitutos profissionais ainda não foi comprovada.

A barreira deixou de ser técnica e passou a ser financeira

O deslocamento central é econômico. O que antes exigia meses de trabalho de um especialista agora depende sobretudo do orçamento para pagar o processamento do modelo de linguagem. O próprio REA é gratuito, mas cada análise consome tokens do modelo escolhido. Isso muda quem pode participar do jogo e, sobretudo, quem pode fazê-lo em escala.

Quando a implementação vira commodity, a vantagem competitiva precisa morar em outro lugar: na marca, nos dados, no ecossistema e na confiança.

Para quem trabalha com produto, a lição é desconfortável. Boa parte das estratégias de defesa de mercado no software pressupunha que copiar uma funcionalidade complexa custaria caro e levaria tempo. Essa janela de vantagem, que permitia a uma empresa lançar, capturar usuários e consolidar posição antes da concorrência reagir, encurta de forma significativa quando qualquer equipe pequena consegue estudar o comportamento de um binário com apoio de agentes automatizados. A distância entre um clone funcional e um produto maduro continua grande, mas o tempo necessário para iniciar essa travessia encolheu de anos para semanas.

O que a IA ainda não faz bem

Seria um erro tratar o REA como uma máquina que devolve o código-fonte original. Ele não devolve. A descompilação continua sendo uma reconstrução aproximada, e a IA acrescenta a essa aproximação uma camada de interpretação que pode estar errada. Modelos de linguagem são bons em produzir explicações coerentes, inclusive quando a explicação não corresponde ao que o binário faz. Por isso os registros de evidência e a etapa de verificação dinâmica são tão importantes: sem eles, a análise vira uma narrativa convincente, e não um diagnóstico.

Há também obstáculos técnicos que o modelo não remove. Programas deliberadamente ofuscados, criptografia de código e execução em hardware protegido continuam exigindo trabalho especializado. E existe uma questão de confidencialidade que muitos usuários ignoram: embora a análise rode no computador do usuário, o modelo de IA hospedado recebe o que o REA extrai, como alerta um guia explicativo sobre o repositório, que também aponta a existência de cópias falsas da ferramenta circulando na internet.

O código é protegido, a ideia não

James Grimmelmann, professor de direito da Cornell Tech, avalia que a ferramenta deve provocar uma crise para as leis de segredo comercial e de direito autoral. Segundo ele, o copyright protege o código de um programa, mas não os algoritmos e as ideias que esse código implementa, o que abre espaço para modificações, remixes e clientes interoperáveis.

— Scientific American, 2026

A distinção entre código e ideia já orienta há décadas as regras sobre engenharia reversa. Nos Estados Unidos, o precedente de referência é de 1992: no caso Sega v. Accolade, o Tribunal de Apelações do Nono Circuito reconheceu como uso justo a desmontagem de um programa protegido quando há um motivo legítimo e nenhum outro meio de acessar seus elementos funcionais. Na União Europeia, a Diretiva 2009/24/CE estabelece que ideias, algoritmos e princípios de programação não são protegidos e autoriza a descompilação quando ela é indispensável para obter interoperabilidade.

Essas regras foram escritas para um mundo em que a engenharia reversa era rara, cara e feita por especialistas identificáveis. O REA desmonta esse pressuposto sem alterar uma vírgula das leis. A fronteira entre estudar um comportamento e copiar uma expressão continua válida, mas fica muito mais fácil de alcançar e muito mais difícil de fiscalizar quando milhares de agentes automatizados trabalham ao mesmo tempo.

As plataformas de IA tentam traçar uma linha

A popularidade do REA colidiu com os filtros de segurança das grandes empresas de IA. No fim de outubro, um pesquisador relatou ter tido a conta suspensa pela OpenAI depois de divulgar a análise do software de uma televisão própria. Onze dias depois, segundo reportagem do 36Kr, a empresa restabeleceu o acesso e um de seus pesquisadores declarou publicamente que o Codex não proíbe engenharia reversa local, atribuindo os bloqueios a acionamentos acidentais de mecanismos de detecção de abuso cibernético.

Do lado da Anthropic, usuários passaram a relatar que o Claude Opus 5.5 interrompia sessões de análise no meio do caminho. Não houve anúncio de proibição contra o REA. A explicação mais consistente, segundo apuração do PBX Science, é que os classificadores de cibersegurança do modelo, desenhados para barrar análise de malware e desenvolvimento de exploits, acabam capturando também parte do trabalho legítimo de engenharia reversa. A empresa mantém um programa de verificação para profissionais de segurança que precisam de menos restrições.

O episódio expõe um dilema estrutural. Engenharia reversa é uma técnica de duplo uso por definição: a mesma análise que permite entender um aparelho ou auditar um aplicativo pode revelar uma vulnerabilidade explorável. Para modelos fechados, operados por empresas sujeitas a pressão regulatória e reputacional, qualquer linha traçada desagradará alguém. E os usuários bloqueados já demonstraram ter alternativa, migrando para modelos de pesos abertos que, uma vez baixados, rodam sem supervisão de nenhuma empresa.

O que muda para quem faz e para quem usa software

Para fabricantes, a consequência prática é que a opacidade deixou de ser uma estratégia confiável. Funcionalidades que dependem de permanecer escondidas, seja uma telemetria pouco transparente, seja um bloqueio artificial de recursos já presentes no hardware, tendem a ser descobertas e expostas com rapidez muito maior. A pergunta deixa de ser "alguém vai conseguir ver isso?" e passa a ser "o que acontece quando virem?".

Para empresas de software, a defesa precisa migrar do segredo da implementação para camadas mais difíceis de replicar: serviços conectados, dados proprietários, integração com fluxos de trabalho do cliente, suporte e reputação. Para equipes de segurança, a mesma capacidade que ameaça a propriedade intelectual acelera auditorias, análise de malware e revisão de componentes de terceiros. E para usuários, abre-se uma janela de entendimento sobre o que roda dentro dos aparelhos que compram, desde que a interpretação da máquina seja tratada como hipótese a ser verificada, e não como verdade.

A engenharia reversa sempre foi possível. O que a IA mudou foi a escala e o preço. Como toda tecnologia que transforma um ofício artesanal em operação industrial, o REA não cria um dilema novo; ele torna impossível continuar adiando um dilema antigo.

Perguntas frequentes