// 00 Agentisches Reverse Engineering · Malware‑Analyse

Vom Binary zum Angriffspfad — in einer Sitzung.

Sieben deterministische Analysatoren und sechs KI-Agenten hinter einer Drop-Zone. Laden Sie ein PE-, ELF-, Mach-O-, .NET- oder Android-Sample und erhalten Sie dekompilierten Code, Verhalten, Schwachstellen und Detection-Content — jedes Urteil an Evidenz gebunden, jeder Bericht mit der Angabe, was tatsächlich untersucht wurde.

So läuft eine Analyse →
7
deterministische Analysatoren
6
KI-Agenten
1 Klick
komplette Pipeline
DE
Hosting in Deutschland · oder On-Prem
Orchestriert die Open-Source-Werkzeuge, denen Analysten vertrauen:
  • Ghidra
  • ILSpy
  • jadx
  • capa
  • YARA
  • Detect It Easy
  • Frida
  • angr
  • Qiling
  • Blutter
// 01 Das Problem

Die RE-Werkzeugkette ist auf Einzelanalysten ausgelegt.

Die klassische Werkbank ist leistungsstark, aber fragmentiert und expertengebunden. Kein einzelnes Werkzeug führt von einem rohen Artefakt zu einem belastbaren Bild von Verhalten, Schwachstellen und Ausnutzbarkeit — in einer Sitzung.

[ fragmentiert ]

Viele Werkzeuge, kein gemeinsamer Kontext

Disassembler hier, Instrumentierung dort, Threat-Intel in einer dritten Konsole. Der Kontext wird bei jedem Einsatz von Hand neu aufgebaut — und geht verloren, sobald die Sitzung endet.

[ expertengebunden ]

Jahre der Übung als Einstieg

Dekompiler, Debugger und Instrumentierungs-Frameworks verlangen jeweils tiefe Expertise, Laufzeit-Hooks werden für jedes Ziel von Hand geschrieben. Die Kapazität bleibt bei wenigen erfahrenen Analysten.

[ unbelegt ]

Flüssige Antworten, dünne Evidenz

Ein allgemeiner KI-Chat liefert selbstsichere Urteile, ohne zu sagen, was er untersucht hat: Aus einem Capability-Treffer wird „bösartig“, ein fehlender Analysator wirkt wie ein sauberes Sample.

IT-Sicherheit und Compliance ohne KI ist eine Schwachstelle.

Valeri MilkeGründer & CEO, VamiSec
// 02 So läuft eine Analyse

Ein Sample rein. Fünf Stufen. Ein belegtes Urteil.

Einmal hochladen — jedes Modul arbeitet die ganze Sitzung über mit demselben Sample. Zuerst kommt deterministische Evidenz; die Agenten urteilen darauf aufbauend, nie an ihrer Stelle.

01

LADEN

PE, ELF, Mach-O, .NET oder APK — oder ein Archiv, das sie enthält, bis 50 MB. Einmal hochgeladen, für die Sitzung vorgehalten.

02

EVIDENZ

Sieben deterministische Analysatoren: Format- und Packer-Erkennung, Strings, Entropie, YARA, capa und sprachgerechtes Dekompilieren. Ohne LLM — gleiche Bytes, gleiches Ergebnis.

03

URTEILEN

Agenten arbeiten auf dieser Evidenz: Dekompilierungsbericht, Verhalten und Kill Chain, Taint-Senken und CWEs, Malware-Intelligence. AOPA entpackt und deobfuskiert bei Bedarf.

04

BESTÄTIGEN

Optionale Laufzeitprüfung in der Sandbox, der Operator-Rolle vorbehalten: Jede Senke kommt als bestätigt, erreicht, nicht beobachtet oder nicht beobachtbar zurück.

05

BERICHTEN

PDF, gebrandetes HTML oder Markdown, dazu IOCs, Kandidaten für YARA-, Sigma- und Suricata-Regeln sowie MITRE-ATT&CK-Mapping. Die Grenzen der Abdeckung stehen im Dokument.

// 03 Module

Sieben Analysatoren. Sechs Agenten. Ein Arbeitsplatz.

So sieht die Modulleiste in der Konsole aus. Statische Module arbeiten deterministisch und ohne Sprachmodell. Die Agenten verarbeiten deren Evidenz zu Berichten für Analysten — mit Urteil, der Evidenz dahinter und den Grenzen dessen, was untersucht wurde.

STATICdeterministisch · ohne LLM
  • DIEDetect It EasyFormat · Compiler · Packer-Erkennung
  • STRStringsExtraktion lesbarer Strings
  • ENTEntropyShannon-Entropie je Segment
  • YARYARAAbgleich mit Signaturregeln
  • CAPcapaCapability-Erkennung · ATT&CK
  • GHIGhidranatives Dekompilieren (PE / ELF / Mach-O)
  • DECDecompile (auto)sprachgerecht geroutet · Ghidra / ILSpy / jadx
AGENTSLLM · auf Evidenz gestützt
  • DDADisassembly & Decompilation Agentalle Analysatoren → ein Analystenbericht: benennt Variablen, leitet Strukturen ab, verknüpft Algorithmus-Signaturen
  • BUABehaviour Understanding AgentVerhalten · Kill Chain · MITRE ATT&CK — Capability-Treffer bleiben Hinweise, bis Evidenz sie belegt
  • VDAVulnerability Discovery AgentTaint-Senken · CWE-Kandidaten · Erreichbarkeit und Angreiferkontrolle je Befund
  • DAOADynamic Analysis OrchestratorOperatorFrida-Hooks aus statischem Kontext · Laufzeitbestätigung in der Sandbox (Windows, Linux, Android)
  • MIAMalware Intelligence AgentIOCs · Familie per Fuzzy Hashing · Kandidaten für YARA / Sigma / Suricata · optionale Threat-Intel-Abfragen
  • AOPAAnti-Obfuscation & Packing AgentPacker-/Protector-Erkennung · Entpacken · Deobfuskieren — meldet „clean“, wenn keine Schutzschicht vorliegt
PIPELINEein Klick
  • ALLFull PipelineDDA + BUA + VDA + MIA mit einem Klick · DAOA / AOPA optional
CONSOLElive
  • SHAgent ConsoleOperatorLive-Shell, die die Werkzeuge bedient (Entdecken → Exploit-Bestätigung)
SESSIONSgespeichert
  • DBSessionsjeder Lauf gespeichert · öffnen · wiederholen · fortsetzen · löschen
Ergebnisansichten
  • Triage
  • Statisch
  • Verhalten
  • Agentenberichte
  • Explore — annotierter Pseudocode mit Referenzgraph
KEIN SCHLÜSSEL? TROTZDEM NÜTZLICH

Ohne Modellschlüssel arbeitet die deterministische Hälfte vollständig — Taint-Analyse, Capability- und Signatur-Evidenz, Verhaltensfusion, IOC-Extraktion und Signaturerzeugung. Nur die Urteile der Agenten brauchen ein Modell.

// 04 Befund-Disziplin

Vermutet wird nie als erwiesen berichtet.

Ein Großteil des Vokabulars von VamiReverse dient dazu, beides auseinanderzuhalten. Genau das macht einen Befund belastbar — im Incident-Bericht, in der Produktsicherheitsprüfung oder im Schwachstellenfall nach CRA.

Urteile
  • maliciousEvidenz auf Absichtsebene: C2, Persistenz, Exfiltration oder Zerstörung
  • suspiciousbedenkliches Muster, Absicht unbewiesen
  • benignEvidenz spricht klar für gewöhnliche Software
  • unknownAbdeckung zu dünn für ein Urteil — eine ehrliche Antwort, kein Fehler
Laufzeitbestätigung
  • confirmeddie Senke selbst hat ausgelöst
  • reachednur die umgebende Funktion lief
  • not_observedbeobachtet, nicht gesehen — fehlende Evidenz
  • unobservabledas Instrument hätte es nicht sehen können — ein blinder Fleck
01

Urteils-Schranke

„malicious“ verlangt Evidenz für C2, Persistenz oder Schadwirkung. Fehlt sie, wird das Urteil auf „suspicious“ herabgestuft — und der Bericht hält den Grund fest.

02

Capability ≠ Verhalten

capa und YARA zeigen, was ein Binary kann, nicht was es tut. Solche Treffer bleiben unbestätigte Hinweise, bis ein nachverfolgter Aufruf, ein passender String, eine Signatur oder eine Funktion sie belegt.

03

Erreichbarkeit, ausgewiesen

Eine Senke ohne nachgewiesenen Pfad von Angreifereingaben ist „unproven“ — ein Triage-Hinweis, keine Schwachstelle. Erst ab Schweregrad „medium“ gilt ein Sample als verwundbar.

04

CWE, nicht überangepasst

Befunde tragen CWE-Kandidaten mit Ähnlichkeitswerten. Eine spezifischere CWE wird nur behauptet, wenn sie den nächstbesten Kandidaten klar schlägt; sonst bleibt die Basisklasse.

05

Abdeckung reist mit

Jeder Agent nennt, was er untersucht hat — etwa 62 von 500 Funktionen dekompiliert. Dünnere Evidenz wirkt wie ein saubereres Sample, deshalb steht der Hinweis im exportierten Bericht.

06

False Positives, behalten

Widerlegt ein Agent seinen eigenen Kandidaten, bleibt der Befund mit Begründung im Bericht — so sehen Sie, was geprüft und warum es verworfen wurde.

VamiReverse kann Fehler machen und False Positives liefern. KI-Ergebnisse sind Arbeitshypothesen — eine fachkundige Person prüft sie vor der Verwendung.

// 05 Agent Console & Tool-Packs

Ein Agent, der die Werkzeuge bedient — mit Leitplanken.

Die Agent Console bearbeitet den schwierigen Rest, den feste Pipelines nicht abdecken: Sie liest das deterministische Ergebnis, wählt das nächste Werkzeug, führt es in der Sandbox aus, wertet das Ergebnis aus und plant neu — live gestreamt, Schritt für Schritt, von der Entdeckung bis zur Exploit-Bestätigung.

  • Deterministisch zuerstDer Agent startet beim Ergebnis der Pipeline und bearbeitet nur den Rest.
  • Werkzeuge statt ShellEin kuratierter Katalog typisierter, begrenzter Werkzeuge — keine beliebigen Befehle.
  • Sandbox, fail-closedAlles, was das Sample ausführt, läuft ausschließlich in der Sandbox.
  • BegrenztEin festes Schrittbudget und Kontextfenster — jeder Lauf endet.
  • Operator-RolleAusführung ist Operatoren vorbehalten; Analysten werden vorab abgewiesen, nicht mittendrin.
  • NachvollziehbarSandbox-Aktionen landen in einem Aktionsprotokoll; jede Sitzung wird gespeichert.
AUSNUTZBARKEIT, BEWIESEN

Für bestätigte Speicherfehler in ELF-Binaries (ohne PIE, ohne Stack-Canary) baut VamiReverse den Payload deterministisch — ohne LLM — und spielt ihn in der emulierten Sandbox nach. Gibt es keinen automatischen Weg, berichtet es, was es gefunden hat, und sagt das offen.

Tool-Packs — je Sample empfohlen, von Operatoren bereitgestellt, standardmäßig offline
  • GoReSymgestrippte Go-Binaries
  • pyinstxtractor + pycdcPyInstaller-Bundles
  • binwalk / unblobFirmware-Images
  • apktoolAPK-Ressourcen & Manifest
  • unipackerunbekannte PE-Packer
  • NoVmp → VTILVMProtect-Devirtualisierung
  • scdbg / speakeasyroher Shellcode
  • asarElectron-Apps
MCP

Derselbe Katalog mit über 60 typisierten Werkzeugen steht als MCP-Server bereit: Binden Sie Claude Code oder eigene Agenten an — hinter derselben Anmeldung und Mandantengrenze. Jedes Werkzeug trägt seine Sicherheitsklasse, damit ein Client nachfragen kann, bevor etwas ausgeführt wird.

server
vamire-agent
transport
SSE · bearer token
tools
60+ · static · read · emulated · exec
// 06 Artefakt-Abdeckung

Windows, Linux, macOS und Android — eine Plattform.

Einheitliche Erfassung der relevanten Binärformate, mit sprachgerechtem Dekompilier-Routing im Hintergrund. Bis 50 MB pro Sample.

Windows PELIVE

  • .exe / .dll — nativ über Ghidra
  • .NET über ILSpy + KI-Annotation
  • Packer-, Protector- und Anti-Debug-/Anti-VM-Erkennung
  • Laufzeitbestätigung in der Windows-Sandbox

Linux ELFLIVE

  • Natives Dekompilieren über Ghidra
  • Taint-Senken · CWE · Erreichbarkeit
  • Emulierte dynamische Läufe
  • Ausnutzbarkeitsnachweis für bestätigte Speicherfehler

Android APKLIVE

  • jadx-Dekompilierung + LLM-Nachbearbeitung
  • Manifest: exportierte Activities, Services, Receiver, Provider
  • Flutter-/Dart-Rekonstruktion über Blutter · native .so
  • Geräte-Sandbox mit Frida

Mach-O & mehrLIVE

  • Statisches Mach-O-Dekompilieren über Ghidra
  • Go, PyInstaller, Electron und Shellcode über Tool-Packs
  • Archive mit unterstützten Binaries
  • Ein Upload pro Sitzung — jedes Modul nutzt ihn

iOSROADMAP

  • Dynamische IPA-Analyse auf Geräten
  • Swift-gerechte Analyse
  • SSL-Pinning- & Keychain-Analyse

FirmwareROADMAP

  • Heute: Image-Carving über das Tool-Pack binwalk / unblob
  • Architekturübergreifende Emulation: ARM · MIPS · RISC-V · PPC
  • OWASP-FSTM-strukturierte Nachweise
// 07 Roadmap · OWASP-konforme Firmware-Prüfung

Firmware-Analyse, die von Grund auf prüffähig ist.

Das geplante Firmware-Modul bildet jede Stufe der OWASP Firmware Security Testing Methodology (FSTM) auf VamiReverse ab — und erzeugt Nachweise, die unter CRA und IEC 62443 tragen. Die folgende Zuordnung ist die Design-Spezifikation; Image-Carving steht bereits als Tool-Pack bereit.

#FSTM-StufeVamiReverse-Abdeckung
1Informationsbeschaffung & ReconMetadaten-Extraktion, Hersteller-/SoC-Fingerprinting, Komponenteninventar
2Firmware beschaffenErfassung von Hersteller-Images, OTA-Mitschnitten und ausgelesenen Flash-Artefakten
3Firmware analysierenKI-gestützte Dateisystem-Identifikation, Partitions- und Bootloader-Mapping
4Dateisystem extrahierenEntpacken über SquashFS, JFFS2, UBI, CramFS und eigene Formate
5Dateisystem-InhaltsanalyseScan nach Credentials, Schlüsseln & Zertifikaten mit semantischer Obfuskationserkennung
6Firmware emulierenArchitekturübergreifende QEMU-Emulation mit Peripherie- & NVRAM-Modellierung
7Dynamische AnalyseLaufzeit-Tracing, Service-Fuzzing und UART-/JTAG-Angriffsflächen-Test
8LaufzeitanalyseLive-Verhaltensüberwachung, Speicherinspektion, Validierung von Exploit-Pfaden
9Binär-ExploitationExploit-Machbarkeitsmodellierung (ESA), aufbauend auf den heutigen ELF-Ausnutzbarkeitsnachweisen
// 08 Was sich für Analysten ändert

Gleiches Handwerk. Weniger Medienbrüche.

VamiReverse ersetzt nicht die Werkzeuge, denen Analysten vertrauen — es orchestriert sie und hält die Evidenz zusammen. Die Statusspalte zeigt den heutigen Produktstand.

AufgabeKlassische WerkbankMit VamiReverseStatus
TriageFormat-, String- und Entropie-Werkzeuge von Hand starten, Ergebnisse notierenEin Upload, deterministische Triage in Sekunden; AOPA, sobald ein Packer erkannt istLive
DekompilierungFür jede Sprache den passenden Dekompiler wählenSprachgerecht geroutet: Ghidra · ILSpy · jadx · Blutter, LLM-annotiertLive
VerhaltenCapabilities von Hand auf ATT&CK abbildenBUA: Verhalten, Kill Chain und ATT&CK — Hinweise getrennt von FaktenLive
SchwachstellenManuelle Taint-Prüfung über Funktionen hinwegVDA: Taint-Senken, CWE-Kandidaten, Erreichbarkeit je BefundLive
LaufzeitbestätigungFrida-Skripte für jedes Ziel von Hand schreibenDAOA: Hooks aus statischem Kontext, Ergebnis in vier ZuständenLive
Detection-ContentRegeln und IOC-Listen von Hand schreibenMIA: IOCs plus Kandidaten für YARA-, Sigma- und Suricata-RegelnLive
BerichtePer Copy-and-paste in ein DokumentPDF · gebrandetes HTML · Markdown aus einer Quelle, mit EinschränkungenLive
GedächtnisGeht mit dem Ende der Sitzung verlorenHeute Sitzungen mit Wiederholen und Fortsetzen; als Nächstes ein binärübergreifender WissensgraphLive · Graph in Entwicklung
// 09 Enterprise & Souveränität

Souverän von Grund auf, made in Germany.

Gebaut für regulierte europäische Organisationen — und für eine Plattform, die per Definition Malware analysiert.

[ Betrieb ]
  • SaaS auf T Cloud Public der Deutschen Telekom (ehemals Open Telekom Cloud), ausschließlich in deutschen Rechenzentren
  • On-Prem auf Ihrem eigenen Kubernetes-Cluster auf Anfrage — Air-Gap möglich
  • Threat-Intel-Abfragen und Tool-Downloads standardmäßig aus
  • Getrennte Kundenmandanten mit eigener Aufbewahrung, eigenen LLM-Anbietern und eigenem Audit-Log
[ KI & Daten ]
  • LLM nach Wahl: lokales Qwen3.8 im VamiSec-Rechenzentrum Sankt Augustin, Anthropic Claude, OpenAI oder Ihr eigenes (BYOLLM)
  • Modellschlüssel der Analysten nur für die Sitzung im Arbeitsspeicher — nie auf der Festplatte, aus Transkripten und Fehlermeldungen entfernt
  • Kein KI-Training mit Kundendaten
  • Claude oder OpenAI über VamiSec werden in den USA verarbeitet (direkte API); mit dem lokalen Modell bleiben Anfragen in Deutschland
[ Zugang & Audit ]
  • Single Sign-on über Microsoft Entra ID mit MFA
  • Rollen: analyst · operator · admin — Ausführung nur für Operatoren
  • Operatoren können das Audit-Log, das sie protokolliert, weder lesen noch bereinigen
  • Verschlüsselung at rest, TLS bei der Übertragung
[ Integration ]
  • MCP-Server für Claude Code und eigene Agenten
  • REST-API mit Bearer-Token für CI-Pipelines
  • Optionale Threat-Intel-Konnektoren: MISP · OpenCTI · VirusTotal · MalwareBazaar
  • Berichte als Nachweis ablagefähig — etwa für das Schwachstellenmanagement nach CRA
Nachweise
  • ISO/IEC 27001 · zertifiziert
  • ISO/IEC 42001 · in Vorbereitung
  • BSI C5 · Plattform T Cloud Public
Alle Details im Trust Center
// 10 Entwicklungsstand

Echte Software. Ehrlich nachgehalten.

VamiReverse läuft produktiv. Hier steht genau, was heute ausgeliefert ist — und was als Nächstes kommt.

Ausgeliefert · produktiv

Analysatoren, Agenten, Konsole — und die Leitplanken

7 deterministische Analysatoren und 6 Agenten inklusive AOPA, mit der kompletten Pipeline per Klick; die Agent Console mit Tool-Packs und MCP; Explore mit annotiertem Pseudocode und Referenzgraph; Sitzungen mit Wiederholen und Fortsetzen; Berichte als PDF, gebrandetes HTML und Markdown; Anmeldung über Entra ID mit Rollen und Mandantenbetrieb.

In Entwicklung · jetzt

Wissensgraph + Abfrage in natürlicher Sprache

Der Reverse-Engineering-Wissensgraph (REKG) und eine konversationelle Abfrageebene über Binaries hinweg — damit gespeicherte Sitzungen zum organisatorischen Gedächtnis werden.

// 11 FAQ

Klare Antworten, ohne Umschweife.

Was VamiReverse leistet, welche Dateien es verarbeitet, wo Ihre Daten verarbeitet werden und wie KI-Ergebnisse belastbar bleiben.

Was ist VamiReverse?

VamiReverse ist die Plattform von VamiSec für agentisches Reverse Engineering und Malware-Analyse. Sieben deterministische Analysatoren (Detect It Easy, Strings, Entropie, YARA, capa, Ghidra und sprachgerechtes Dekompilieren) und sechs KI-Agenten arbeiten mit einem hochgeladenen Sample und liefern dekompilierten Code, Verhalten, Schwachstellen und Detection-Content — jedes Urteil an Evidenz gebunden, jeder Bericht mit der Angabe, was tatsächlich untersucht wurde.

Welche Dateitypen kann VamiReverse analysieren?

Windows PE (.exe und .dll, auch .NET), Linux ELF, macOS Mach-O (statisch) und Android APK — oder ein Archiv, das sie enthält, bis 50 MB je Sample. Go-Binaries, PyInstaller-Bundles, Electron-Apps, roher Shellcode und Firmware-Images werden über Tool-Packs abgedeckt. Dynamische iOS-Analyse und ein eigenes Firmware-Modul (OWASP FSTM) stehen auf der Roadmap.

Ersetzt VamiReverse Ghidra oder IDA Pro?

Nein. VamiReverse ersetzt nicht die Werkzeuge, denen Analysten vertrauen — es orchestriert Open-Source-Werkzeuge wie Ghidra, ILSpy, jadx, capa, YARA, Detect It Easy, Frida, angr, Qiling und Blutter, hält ihre Evidenz in einer Sitzung zusammen und lässt KI-Agenten darauf aufbauend urteilen.

Wie bleiben die KI-Ergebnisse von VamiReverse belastbar?

Zuerst kommt deterministische Evidenz; die Agenten urteilen darauf aufbauend, nie an ihrer Stelle. Das Urteil „bösartig“ verlangt Evidenz für C2, Persistenz oder Schadwirkung, sonst wird es auf „verdächtig“ herabgestuft. Treffer von capa und YARA bleiben Hinweise, bis Evidenz sie belegt, und jeder Bericht nennt seine Abdeckung — etwa 62 von 500 Funktionen dekompiliert. KI-Ergebnisse bleiben Arbeitshypothesen, die eine fachkundige Person vor der Verwendung prüft.

Kann VamiReverse Befunde zur Laufzeit bestätigen?

Ja, optional in der Sandbox — der Operator-Rolle vorbehalten. Der Dynamic Analysis Orchestrator erzeugt Frida-Hooks aus dem statischen Kontext (Windows, Linux, Android) und meldet jede Senke als bestätigt, erreicht, nicht beobachtet oder nicht beobachtbar. Für bestätigte Speicherfehler in ELF-Binaries ohne PIE und Stack-Canary baut VamiReverse den Payload deterministisch und spielt ihn in der emulierten Sandbox ab.

Wo werden meine Daten verarbeitet, und welche KI-Modelle kommen zum Einsatz?

Der SaaS-Betrieb läuft auf T Cloud Public der Deutschen Telekom, ausschließlich in deutschen Rechenzentren; auf Wunsch On-Prem auf Ihrem eigenen Kubernetes-Cluster, auch air-gapped. Das Sprachmodell wählen Sie: ein lokales Qwen3.8 im Rechenzentrum von VamiSec in Sankt Augustin (Anfragen bleiben in Deutschland), Anthropic Claude, OpenAI oder Ihr eigenes (BYOLLM). Claude oder OpenAI über VamiSec werden in den USA verarbeitet. Kundendaten werden nicht für KI-Training verwendet.

Funktioniert VamiReverse auch ohne KI-Modell?

Ja. Ohne Modellschlüssel arbeitet die deterministische Hälfte vollständig — Taint-Analyse, Capability- und Signatur-Evidenz, Verhaltensfusion, IOC-Extraktion und Signaturerzeugung. Nur die Urteile der Agenten brauchen ein Modell.

Wie lässt sich VamiReverse in bestehende Werkzeuge und KI-Agenten einbinden?

Über eine REST-API mit Bearer-Tokens für CI-Pipelines, einen MCP-Server mit über 60 typisierten Werkzeugen für Claude Code und eigene Agenten (hinter derselben Anmeldung und Mandantengrenze), optionale Threat-Intel-Konnektoren für MISP, OpenCTI, VirusTotal und MalwareBazaar sowie Berichte als PDF, gebrandetes HTML oder Markdown mit IOCs, Kandidaten für YARA-, Sigma- und Suricata-Regeln und MITRE-ATT&CK-Mapping.

Hilft VamiReverse beim Cyber Resilience Act (CRA)?

Die Berichte sind darauf ausgelegt, als Nachweis abgelegt zu werden — etwa in der Schwachstellenbehandlung nach dem CRA oder in einem Produkt-Security-Review: Befunde tragen Kandidaten-CWEs, Erreichbarkeit und Abdeckungsgrenzen, und nur Vermutetes wird nie als gesichert berichtet.

// Jobs bei VamiSec

Wir suchen Verstärkung für VamiReverse.

Deine Expertise trifft auf unsere KI-Plattform: Du arbeitest in echten Kundenprojekten und bringst deine Erfahrung direkt in die Weiterentwicklung von VamiReverse ein.

IT Security Engineer (m/w/d) – Reverse Engineering & Malware-Analyse

Du schaust in Binaries, Firmware und Malware, wo andere nur Black Boxes sehen – und machst daraus belastbare Befunde, unterstützt von VamiReverse.

  • Vollzeit
  • Professional–Senior
  • Remote-first · Bonn
  • Deutsch mind. C1

Deine Aufgaben

  • Statische und dynamische Analyse von Binaries, Firmware und mobilen Apps (PE, ELF, APK) mit Ghidra, IDA, jadx und Frida
  • Malware-Analyse: Verhaltensbewertung, IOC-Extraktion und Erstellung von YARA- und Sigma-Regeln
  • Schwachstellensuche in Closed-Source-Komponenten und Bewertung möglicher Exploit-Pfade
  • Validierung und Weiterentwicklung der KI-gestützten Analyse-Pipeline von VamiReverse
  • Unterstützung bei Incident Response, Forensik und Produktsicherheits-Assessments (z. B. nach CRA)

Dein Profil

  • Mehrjährige Erfahrung in Reverse Engineering, Malware-Analyse oder Exploit-Entwicklung
  • Tiefe Kenntnisse in x86/x64- und ARM-Assembly, Betriebssystem-Interna (Windows, Linux, Android) und Obfuskationstechniken
  • Sichere Programmierkenntnisse in C/C++ und Python
  • Sehr gute Deutschkenntnisse (mind. C1-Niveau) und gute Englischkenntnisse
  • Von Vorteil: GREM, OSED oder eigene Veröffentlichungen und CTF-Erfahrung
  • Reverse Engineering
  • Malware Analysis
  • Ghidra
  • IDA Pro
  • Frida
  • YARA
  • Firmware

IT Security Engineer & Evangelist (m/w/d) – Reverse Engineering & Malware-Analyse

Du analysierst Binaries, Firmware und Malware mit VamiReverse – und machst das Thema sichtbar: in Webinaren, Vorträgen, Fachbeiträgen und im Gespräch mit Interessenten. Der Schwerpunkt bleibt die fachliche Arbeit.

  • Vollzeit
  • Professional–Senior
  • Remote-first · Bonn
  • Deutsch mind. C1

Deine Aufgaben

  • Statische und dynamische Analyse von Binaries, Firmware und mobilen Apps mit Ghidra, IDA, jadx und Frida
  • Malware-Analyse mit IOC-Extraktion und YARA- und Sigma-Regeln sowie Validierung der KI-gestützten Analyse-Pipeline von VamiReverse
  • Produktdemos, Proof-of-Concepts und fachliche Beratung in Erstgesprächen – als technischer Ansprechpartner an der Seite des Vertriebs
  • Erstellung von Fachcontent für Content Marketing und Social Media: Blogbeiträge, Whitepaper, LinkedIn-Posts und kurze Demo-Videos
  • Halten von Webinaren und Vorträgen auf Konferenzen und Events sowie Mitarbeit an Outreach-Kampagnen

Dein Profil

  • Mehrjährige Erfahrung in Reverse Engineering oder Malware-Analyse
  • Tiefe Kenntnisse in x86/x64- und ARM-Assembly, Betriebssystem-Interna und Obfuskationstechniken
  • Freude daran, komplexe Themen verständlich zu präsentieren – vor Kunden, im Webinar und auf der Bühne
  • Sehr gute Deutschkenntnisse (mind. C1-Niveau) und gute Englischkenntnisse – sicheres Auftreten in beiden Sprachen
  • Von Vorteil: GREM oder OSED, CTF-Erfahrung sowie Erfahrung mit Fachbeiträgen, Social Media (z. B. LinkedIn) oder Pre-Sales
  • Reverse Engineering
  • Malware Analysis
  • Ghidra
  • YARA
  • Pre-Sales
  • Content Marketing
  • Webinars & Talks
// Bereit, wenn Sie es sind

Bringen Sie ein Sample mit. Gehen Sie mit Befunden.

30 Minuten, Ihr Sample, Ihre Umgebung: Wir führen es von rohen Bytes zu einem begründeten, belegten Urteil — und zeigen genau, was untersucht wurde.

Trust Center