為應對人工智慧（AI）代理能快速對商業軟體進行逆向工程的威脅，開發者 Timo Zhang 推出 Blind LLM Agents（BLA）專案，透過多種程式碼強化技術，大幅增加AI代理分析軟體的難度，以保護商業軟體的原始設計不被輕易破解。
隨著人工智慧（AI）技術快速發展，AI代理（AI Agent），意指能自主執行任務、與環境互動的AI程式，已能以驚人速度對商業軟體進行逆向工程（Reverse Engineering），即透過分析軟體或硬體來理解其設計原理與運作方式。為此，軟體開發者 Timo Zhang 推出一項名為 Blind LLM Agents（BLA）的專案，旨在提高AI代理分析商業軟體二進位檔的難度。
Timo Zhang 指出，現今的程式開發AI代理能在數分鐘內，就對已發布的軟體套件、命令列介面（CLI）及網頁組件（WASM）進行逆向工程。他表示，傳統的混淆技術是為人類和靜態工具設計，而非針對能理解語義的大型語言模型（LLM），因此 BLA 專案正是為此類威脅模型所設計的保護層。
BLA 專案並非用於撰寫應用程式碼，而是強化已建構的程式碼。它透過一系列轉換流程來增加軟體分析的成本，包括重新命名、通道拆分、基於種子的字串加密、建構多態性、WASM 匯出重新命名、誘餌程式碼、自我密封完整性檢查以及覆蓋矩陣等技術，使軟體行為保持不變，但大幅提升復原原始碼的難度。
透過紅隊演練（red teaming）及類似「破解我」（CrackMe）的挑戰評估，BLA 展現了其有效性，甚至成功阻礙了 Reverse Engineer Anything（REA）等AI代理對強化後軟體的分析。不過，BLA 的保護措施並非萬能，它不保證能抵禦 Ghidra 或 Frida 等傳統互動式逆向工程工具的攻擊。
AI代理能協助開發者快速建立現有商業軟體的替代品，例如 Artcraft 曾發布七款開源應用程式，作為 Adobe 旗下 Photoshop、Illustrator 等商業軟體的替代方案。這也凸顯商業軟體防範逆向工程的必要性。Timo Zhang 了解 Poison Fountain 這類旨在污染訓練資料的專案，以及 Anubis 這種用於阻擋機器人和網路爬蟲的工具，但他強調 BLA 的獨特之處在於專注於強化已發布的程式碼本身。