Todo empezó con un dataset de metadatos de 5.600 millones de vídeos de TikTok publicado en Hugging Face. El autor se fijó en cómo se había recopilado: según el texto de DataSocial, sin navegador ni emulador. Los detalles estaban tras un muro de pago de 1.699 dólares, así que intentó averiguarlos por su cuenta con un agente. Usó Hermes Agent, el repositorio Reverse Engineer Anything (REA) y GLM 5.3 alojado en OpenRouter. Dice que tiene poca experiencia en ingeniería inversa y que delegó casi todo en el modelo, comprobando los resultados. Elige GLM porque, según él, ChatGPT y Claude bloquean cualquier petición que parezca de ciberseguridad.
REA es un proyecto open source que funciona como servidor MCP y conecta al agente con Ghidra, Hopper o IDA, jadx, adb y TShark. Además, el autor instaló Frida y mitmproxy. El problema es que la API privada de TikTok exige que cada petición lleve una firma: si falla, responde con un HTTP 200 y el cuerpo vacío, sin error. La app comprueba cuatro cosas a la vez: una identidad de dispositivo emitida por TikTok, la firma calculada por una librería nativa, el endpoint regional correcto y una huella de red propia de un móvil. Por eso lo primero que construyó fue una función que juzga el éxito por el contenido de la respuesta y no por el código de estado.
El agente decompiló el código Java con jadx para mapear la librería de firma, las cabeceras y el ID de la app, y luego ejecutó la app en un emulador con root y Frida. El hallazgo fue que la firma de las peticiones de datos se genera íntegramente en código nativo, sin pasar por la frontera Java-nativo, así que enganchar ahí no servía. Para el certificate pinning, sustituir la comprobación por una que siempre acepta hacía que la app se cerrase; la solución fue dejarla ejecutarse y cambiar solo el veredicto final de rechazo a aceptación. Así se pudo capturar tráfico firmado real.
Como la firma depende de los bytes exactos de la petición, no se puede reutilizar para paginar. En lugar de reimplementar el algoritmo, que depende de claves no públicas, el autor cargó la librería nativa de la propia app con unidbg y la ejecutó en un servidor, sin teléfono, de modo que las firmas son idénticas a las de la app. Por último, el agente aprendió a registrar identidades de dispositivo nuevas como hace la app en su primer arranque, calentarlas y verificarlas antes de usarlas. El texto continúa con la ingeniería habitual, empezando por un pool de identidades operativas.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.