解码 iOS 定位服务向 Apple 发送的内容：大语言模型是不可靠的分析员，却是有用的工具开发者
Decoding What iOS Location Services Send to Apple: An LLM Is an Unreliable Analyst but a Useful Toolmaker
精选理由
研究揭示大模型直接逆向分析易出错，但可辅助构建可靠工具，帮助研究者解码 iOS 定位数据并开展隐私审查。
AI 摘要
对移动软件使用的数据格式进行逆向工程需要专业技能，且耗时较长，因此利用 AI 辅助这项工作颇具吸引力。我们针对 iPhone 向 Apple 定位服务发送的 protobuf 消息，评估了这种方法。从 Apple 的二进制文件入手，我们使用两个前沿模型（Claude Opus 4.8、Codex GPT Sol 5.6），重建网络流量中观测到的 protobuf 消息的模式定义。绝大多数模式定义都包含严重错误，而且由于这些模式定义在内部是自洽的，错误很难被发现。因此，直接使用 AI 并不适合取证和隐私分析。不过，当分析工具的输出能够得到验证时，AI 可以编写可靠的分析工具。我们使用 Claude 编写了一个名为 Extractor 的 Python 工具，它能够从 Apple 二进制文件中可靠地恢复 protobuf 模式定义。我们通过由已知正确模式定义编译而成的二进制文件、此前已发表的模式定义以及网络测量结果，对该工具进行了验证。我们展示了如何使用 Extractor，对一台已越狱的 iPhone 8（iOS 16.7.11）的定位服务网络流量进行解码和分析。