Do Camelô ao Código: Como a IA Está Democratizando a Engenharia Reversa
Se você cresceu nos anos 2000, provavelmente reconhece a cena: uma banca de camelô lotada de discos de PlayStation 2, capinhas impressas em papel sulfite e o vendedor repetindo o bordão que virou memória afetiva de uma geração: “três por dez!”. Aquele mercado era irregular, e nada aqui é uma defesa dele, mas ele ajuda a medir o quanto a nossa relação com o software mudou.
Duas décadas depois, o cenário é outro. Quase tudo o que roda na tela do seu celular ou do seu computador cobra mensalidade: edição de vídeo, edição de imagem, produtividade, streaming e até jogos que viraram serviços com passe e assinatura. O software deixou de ser um produto que você compra e passou a ser um serviço que você aluga. E, quanto mais caro e fechado ele fica, mais natural se torna uma pergunta: o que realmente acontece lá dentro desses programas?
Essa pergunta tem nome e história: engenharia reversa. Para entendê-la, porém, precisamos primeiro lembrar o caminho que um programa percorre até chegar ao seu computador.
O Que É Engenharia Reversa?

Imagine que você provou o bolo mais gostoso da sua vida e quer descobrir a receita sem pedir ao confeiteiro. Você analisa a textura, a cor e o sabor e vai deduzindo os ingredientes e o modo de preparo. Isso, em essência, é engenharia reversa: partir de um produto pronto e, por meio de análise, entender como ele foi projetado e construído.
A prática é muito mais antiga que os computadores. Um dos casos mais famosos aconteceu no início dos anos 1980, quando a Compaq estudou o comportamento da BIOS do IBM PC e a reescreveu do zero, com equipes separadas para evitar qualquer cópia de código, criando um clone compatível. Foi esse tipo de análise que ajudou a abrir o mercado de PCs. Mas, quando o produto analisado é um software, o desafio ganha um obstáculo extra, e é ele que torna o trabalho tão parecido com o de um detetive.
A Viagem de Volta: Como Se Faz Engenharia Reversa
Se você leu nosso texto Como o computador entende a linguagem de programação?, já conhece a descida: o programador escreve em uma linguagem de alto nível, como Python ou C++; o compilador traduz tudo para Assembly e depois para o código binário; e, por fim, o binário vira pulsos elétricos passando por bilhões de transistores. Lá, usamos a imagem de um livro de receitas escrito em português que precisa ser traduzido para o russo, a única língua que o cozinheiro (o computador) entende.
A engenharia reversa é a subida dessa escada. É como receber apenas o livro em russo, sem o original, e tentar reconstruir a receita em português. E aqui está o detalhe que complica tudo: a tradução perde informação. Os comentários do programador somem, e os nomes que ele deu às coisas também. Veja um exemplo simplificado:
# O que o programador escreveu:
if vidas == 0:
print("Game Over")
# O que sobra depois da compilação (Assembly simplificado):
CMP [0x4A20], 0 ; compara o valor guardado no endereço 4A20 com zero
JNE continua ; se for diferente, pule para "continua"
CALL 0x5B10 ; chama uma função que mostra um texto na tela
continua:
Repare que as palavras “vidas” e “print” desapareceram. Sobraram endereços de memória e códigos sem nome. O trabalho do engenheiro reverso é descobrir que o endereço 4A20 guarda o número de vidas e que a função 5B10 escreve na tela. Para isso, ele costuma seguir um roteiro:
- Observar de fora: antes de abrir qualquer coisa, ele usa o programa e anota o que acontece: quais arquivos ele cria, com quais servidores conversa, como reage a cada clique. É o equivalente a interrogar o suspeito antes de vasculhar a casa.
- Abrir o arquivo: ferramentas chamadas desmontadores mostram o binário em Assembly, e os decompiladores tentam reconstruir algo parecido com o código original. O resultado é legível, mas sem nomes, como um mapa sem legendas.
- Caçar pistas: textos soltos dentro do programa (como a própria mensagem “Game Over”), nomes de funções do sistema e padrões repetidos ajudam a rotular o mapa, um trecho de cada vez.
- Testar hipóteses: é a análise dinâmica. Com o programa rodando, o investigador muda algo e observa o resultado. Quer saber qual endereço guarda as vidas? Perca uma vida e veja qual número mudou.
- Reconstruir e documentar: com o mapa já legendado, ele reescreve o trecho em uma linguagem legível e registra como tudo funciona.
Cada passo desses é lento, repetitivo e exige muita paciência. Para ter uma ideia do que isso significa na prática, vale olhar para o que a comunidade de jogadores já conseguiu fazer.
Quando a Receita Vira Realidade: Exemplos em Jogos e Aplicativos
Os jogos são o grande laboratório da engenharia reversa, e muitos dos clássicos que marcaram a nossa infância ganharam uma segunda vida graças a ela.

- Super Mario 64: depois de cerca de dois anos de trabalho, fãs conseguiram reconstruir o código do jogo de forma matching: escreviam o código em C, compilavam com o mesmo compilador da Nintendo e comparavam, byte a byte, com o original, repetindo o processo até que o resultado fosse idêntico. O esforço permitiu que outra equipe criasse, em cerca de nove meses, uma versão para PC que roda em qualquer resolução e aceita mods.
- GTA III e Vice City: em 2021, o projeto re3 e reVC liberou o código dos dois jogos reconstruído por engenharia reversa. Ele não continha músicas, falas ou imagens da Rockstar, então o jogador precisava ter a própria cópia do jogo, e permitiu até versões para Switch, Wii U e Vita. A Take-Two respondeu com notificações de remoção e, depois, com um processo contra 14 programadores. O caso mostra que o terreno legal da engenharia reversa é delicado.
- Red Dead Redemption 2: boa parte da cena de mods do jogo, como o RedM e o Script Hook RDR2, existe porque entusiastas estudaram o funcionamento interno da RAGE, a engine da Rockstar, até conseguirem rodar scripts próprios dentro do jogo.
- Photoshop: este é o caso em que a receita foi entregue de bandeja. Em 2013, o Computer History Museum, com autorização da Adobe, liberou o código-fonte do Photoshop 1.0.1, de 1990. Eram cerca de 128 mil linhas, escritas principalmente em Pascal e Assembly, contra aproximadamente 10 milhões de linhas da versão atual. Quando o código-fonte não é aberto, é a engenharia reversa que precisa reconstruir esse mesmo tipo de material.
Todos esses projetos têm algo em comum: anos de trabalho humano para entender milhares de linhas sem nome. É exatamente esse gargalo que a inteligência artificial começou a atacar.
REA: Reverse Engineer Anything
Entra em cena o repositório REA (“Reverse Engineer Anything”), do desenvolvedor morluto, no GitHub. A promessa do projeto cabe em uma frase: ver uma funcionalidade que te interessa e entender como ela funciona, até o nível do binário.

O REA funciona como uma ponte entre um agente de IA (um assistente que executa tarefas por conta própria) e as ferramentas de análise que descrevemos acima. Ele usa o MCP (Model Context Protocol), um padrão que permite que agentes de IA conversem com ferramentas externas, como se fosse um “USB-C” da inteligência artificial. O fluxo é simples:
- Instalação: com Node.js, um único comando (npx rea-agents setup) registra o REA no seu agente. A lista de compatíveis inclui Claude Code, Codex, Cursor e Gemini CLI.
- Pergunta em linguagem natural: você pede algo como “entenda como funciona a busca nesse aplicativo, mostre as evidências e construa algo parecido para o meu projeto”.
- Investigação: o REA inspeciona e rastreia o alvo, aplicando justamente os passos que vimos. Para binários nativos, ele se apoia em desmontadores e decompiladores como Hopper, Ghidra, IDA ou Kuna; para aplicações JavaScript, a análise estática já vem embutida.
- Resposta com evidências: o REA devolve os achados junto com as evidências e as limitações de cada conclusão. A partir daí, o agente explica o comportamento ou escreve e testa uma implementação.
A lista de alvos é ampla: binários nativos, aplicativos Electron, assemblies .NET, APKs Android, sites, capturas de rede, firmwares e até metadados de jogos feitos em Unity e Godot. A análise roda localmente, embora o agente e o provedor do modelo de IA recebam os resultados, então vale conhecer a política de dados de cada um.
Onde a IA Entra
Voltando à analogia do detetive: o trabalho tradicional exige horas olhando para trechos sem nome, como o sub_401A2C, seguindo referências de uma ponta a outra do programa. É aí que a IA faz diferença. Ela assume a parte de formiguinha: segue chamadas, relaciona trechos, levanta hipóteses e refaz perguntas até a imagem fechar. O que levava semanas de leitura pode ser reduzido a uma conversa.
Mas existe um risco conhecido, o de modelos “inventarem” explicações plausíveis. Por isso o diferencial do REA está em devolver evidência junto com a conclusão: o engenheiro continua no comando e pode conferir cada passo. A IA acelera o raciocínio, mas a verificação continua sendo humana.
Os próprios casos de estudo do projeto mostram o potencial, e alguns têm sabor de nostalgia:
- DX-Ball: a partir de um clássico jogo de quebrar tijolos, o REA ajudou a reconstruir o cálculo que define de que lado do fone o som deve sair conforme a posição da bola. O código em C recuperado passou em 3.205 casos de teste contra o original e reproduziu os 63 bytes da função compilada.
- TH04: em um jogo japonês de PC-98, o projeto recuperou, a partir de instruções de 16 bits, os cálculos dos padrões de tiros e comparou o C++ reconstruído com a saída do compilador histórico.
- Notion: no mundo moderno, rastreou como o aplicativo move o conteúdo da área de transferência entre suas camadas internas.
Esses resultados explicam por que o projeto chamou tanta atenção.
Um Fenômeno do GitHub
No momento em que este texto foi escrito, o repositório somava cerca de 427 mil estrelas, mais de 106 mil forks e mais de 6 mil commits, com licença MIT, comunidade ativa no Discord e centenas de issues e pull requests. Os próprios mantenedores comemoraram a marca de 400 mil estrelas. São números de projeto que virou fenômeno, e mostram o tamanho da curiosidade (e da demanda) por entender como o software funciona por dentro.
Poder Exige Responsabilidade
Tanta popularidade traz uma pergunta inevitável: até onde se pode ir? O caso do GTA, que vimos acima, mostra que a resposta não é simples. O próprio projeto deixa claro que o REA é para pesquisa legítima, educação, interoperabilidade, preservação de software e análise de programas que você possui ou tem autorização para examinar. Ele também reforça que cópias crackeadas, chaves roubadas e burla de restrições de licença não são autorizadas.
Ou seja, o REA não é um atalho para driblar assinaturas, e sim uma lupa. O que é permitido ou não depende da licença do software e da legislação de cada país, então vale ler os termos antes de analisar qualquer programa.
Conclusão
Na época do camelô, “ter” um jogo significava comprar um disco e torcer para ele rodar. Hoje, a questão é outra: entender o que roda nas nossas máquinas. A engenharia reversa deixou de ser território de poucos especialistas e passou a ser acessível com a ajuda da inteligência artificial. Isso vale tanto para proteger sistemas quanto para manter vivos os clássicos que marcaram a nossa infância: se hoje um jogo dos anos 90 pode ser estudado e reconstruído, é porque alguém aceitou subir a escada de volta.
Agora que a lupa está ao alcance de todos, qual software você abriria primeiro para ver como ele funciona por dentro? Deixe sua opinião nos comentários!
Leia mais em: