"本书系统阐述大语言模型在恶意代码检测与分析领域的应用，旨在通过 LLM 提升安全分析的效率与准确性。

全书共 11 章，结构清晰、层层递进：第 1、 2 章回顾恶意软件检测技术的发展历程，并介绍 LLM 的基本原理与本地部署方法；第 3、 4 章聚焦静态特征建模与 Prompt 工程，为样本处理提供标准化方案；核心实战部分（第 5、 6、 9 章）涵盖三大典型场景——基于 LLM 的静态特征分析、沙箱报告的自动化生成，以及基于 radare2 的逆向智能体开发，展示如何利用本地或云端模型实现自动化分析；第 7、 8 章聚焦能力增强方向，引入 Agent 概念以构建简易的恶意脚本自动化分析系统，并进一步探讨检索增强生成（RAG）与多模型协作机制；第 10、11 章分析 LLM 在安全应用中的潜在风险，并展望由大模型驱动的安全自动化未来。

本书提供配套代码与模板资源，适合安全研究人员、恶意代码分析师、 AI 安全方向开发者及高校相关专业学生阅读参考。

"