JSimplifier 使用与改造：用 DeepSeek 跑 LLM 增强的 JS 反混淆

本文为工具使用与改造记录，基于官方仓库源码编写

• 项目地址：https://github.com/xingtulab/jsimplifier（GPL-3.0）
• 论文：《From Obfuscated to Obvious: A Comprehensive JavaScript Deobfuscation Tool for Security Analysis》，NDSS 2026

本文介绍 JSimplifier 的基本用法，并重点讲如何把它改造成用国内 DeepSeek 大模型驱动。文中代码与配置均基于官方源码核对，可直接落地。

一、JSimplifier 是什么

一个 JS 反混淆 / 反压缩 / 简化工具，来头不小——它是 NDSS 2026 论文《From Obfuscated to Obvious》的官方开源实现。

它的核心思路是多阶段流水线：

预处理 → AST 静态分析变换 → 动态执行追踪 → LLM 增强的标识符重命名

论文数据：覆盖 20 类混淆技术、代码复杂度降低 88.2%、可读性提升 4 倍以上，在 44,421 个真实样本上评测过。

LLM 在这里干什么？ 纯 AST 变换能还原结构、解常量、去死代码，但没法给变量起有意义的名字——混淆后满屏的 a、_0x1f2e 它只能照搬。JSimplifier 把每个变量连同上下文发给大模型，让它推断用途、起一个描述性的新名字（比如 a → userToken）。这是它比传统 AST 反混淆工具更进一步的地方。

二、基本使用

环境与安装

• Node.js ≥ 20
• Python 3.11（仅评测实验用，日常反混淆不需要）

git clone https://github.com/xingtulab/jsimplifier
cd jsimplifier
npm install

三种运行模式

# 1. 纯 AST 变换，不用 AI（免费、离线）
npm start deobfuscate -- --model=none input.js

# 2. 用 OpenAI 系模型
npm start deobfuscate -- --model=gpt-4o-mini --apiKey="sk-..." input.js

# 3. 用 Google Gemini
npm start deobfuscate -- --model=gemini-1.5-flash --apiKey="..." input.js

注意：命令要用 npm start deobfuscate --，参数前的双横线 -- 不能少。

输出保存在 output/deobfuscated_{文件名}/deobfuscated.js。

常用参数：

• --model：模型（none 表示纯 AST，默认）
• --apiKey：API 密钥
• --baseURL：API 服务器地址（改造国内模型的关键）
• --batch：批量处理目录下所有 JS
• --outputDir：输出目录
• --verbose：详细输出

它还提供 Web UI：

npm run build
node web-server.js      # 默认 http://localhost:3000

三、为什么它对国内大模型很友好

看源码会发现，改造成国内模型几乎不用动代码，原因有三：

1. 用的是官方 openai npm SDK，new OpenAI({ apiKey, baseURL })，baseURL 可自定义。
2. 默认 baseURL 本来就是国内中转——src/commands/openai.ts 里默认值是 https://api.zhizengzeng.com/v1（智增增），说明作者本就考虑了国内访问。
3. 支持 --baseURL 参数和 BASE_URL 环境变量覆盖。

而 DeepSeek 提供兼容 OpenAI 格式的接口。所以理论上，只改 baseURL + model + apiKey 三个值就能用 DeepSeek。

四、用 DeepSeek 改造（分两步）

第 1 步：配置 DeepSeek

DeepSeek 的 OpenAI 兼容参数：

项	值
baseURL	https://api.deepseek.com/v1
model	deepseek-chat
apiKey	你在 DeepSeek 平台申请的 sk-...

方式 A：命令行直接传

npm start deobfuscate -- \
  --model=deepseek-chat \
  --apiKey="sk-你的DeepSeek密钥" \
  --baseURL="https://api.deepseek.com/v1" \
  input.js

方式 B：写进 .env（推荐）

项目用了 dotenv（见 src/env.ts），在项目根目录建 .env：

OPENAI_API_KEY=sk-你的DeepSeek密钥
BASE_URL=https://api.deepseek.com/v1

然后就不用每次敲密钥了：

npm start deobfuscate -- --model=deepseek-chat input.js

第 2 步：⚠️ 关键坑 —— 修改 response_format

这一步决定改造能不能成功，务必注意。

JSimplifier 给模型发请求时，用了 OpenAI 的严格结构化输出（src/plugins/openai/openai-rename.ts 的 toRenamePrompt 函数）：

response_format: {
  type: "json_schema",        // ← OpenAI 专有特性
  json_schema: {
    strict: true,
    name: "rename",
    schema: { /* newName ... */ }
  }
}

问题：json_schema + strict 是 OpenAI 较新的专有能力，DeepSeek 不支持，直接用会报 400 错误。DeepSeek 只支持 { type: "json_object" }。

解决：打开 src/plugins/openai/openai-rename.ts，找到 toRenamePrompt 函数，做两处修改。

① 把 response_format 换成 json_object：

// 改前（OpenAI 专有，DeepSeek 报错）
response_format: {
  type: "json_schema",
  json_schema: { strict: true, name: "rename", schema: {...} }
}

// 改后（DeepSeek / 通义 / Kimi / GLM 都认）
response_format: { type: "json_object" }

② 在 system prompt 里明确要求返回 JSON（json_object 模式通常要求 prompt 中出现 “JSON” 字样，否则可能报错或不返回 JSON）：

// 改后的 system content
content: `Rename the JavaScript variable/function \`${name}\` to a descriptive name based on its usage. Respond ONLY with JSON in the form {"newName": "..."}. Do not reuse names mentioned earlier.`

改完这两处，DeepSeek 就能正常跑了。

附带说明：文件里的 PRICING 价格表只用于日志中估算 cost_usd，不影响功能。换成 DeepSeek 后成本数字会不准，但不影响反混淆正常运行。想让日志成本准确，可以给 PRICING 加一行 deepseek-chat 的价格。

五、落地建议（少踩坑）

1. 先跑 --model=none 验证基础链路。它不需要任何 API，先确认 AST 反混淆这条路通了，再接 DeepSeek，排错更容易。

2. 先拿小文件试。JSimplifier 是逐个变量调用 API的（visitAllIdentifiers 遍历每个标识符各发一次请求），混淆文件变量多时 API 调用次数会非常大。先用小样本验证改造成功，再批量。

3. DeepSeek 性价比高。变量重命名任务对模型能力要求不高，deepseek-chat 足够，而且逐变量调用累积的 token 量不小，DeepSeek 便宜量大正好合适。

4. 改代码前先只改配置试一次。万一你用的中转层恰好支持 json_schema，就省了改代码；报 response_format 相关错误了，再动第 2 步。

六、其他国内模型对照

如果不用 DeepSeek，其他几家的兼容参数（response_format 同样建议改成 json_object）：

厂商	baseURL	model 示例
DeepSeek	https://api.deepseek.com/v1	deepseek-chat
通义千问（百炼）	https://dashscope.aliyuncs.com/compatible-mode/v1	qwen-plus
Kimi（月之暗面）	https://api.moonshot.cn/v1	moonshot-v1-8k
智谱 GLM	https://open.bigmodel.cn/api/paas/v4	glm-4-flash

参考

• JSimplifier：https://github.com/xingtulab/jsimplifier
• 论文 DOI：10.14722/ndss.2026.242198
• DeepSeek API 文档：https://api-docs.deepseek.com/

---

本文仅作技术学习与安全研究记录。请在合法合规、获得授权的前提下使用相关技术。