문서가 부족한 하드웨어를 다루는 개발자는 제조사 드라이버의 정상 동작을 관찰하면서 자체 구현의 차이를 찾아야 한다. Claude Code를 활용한 사례에서는 Windows 가상 머신과 Linux의 USB 캡처를 이용해 필름 스캐너 드라이버를 개발하고, 노트북 MIPI 카메라의 밝기와 색상 문제도 개선했다. 하드웨어 역공학의 효과는 막연한 원리를 추측하는 데서가 아니라, 반복적인 트래픽 분석과 패치 작업을 빠르게 수행하는 데서 나타났다.
비교 가능한 참조 동작 만들기
Plustek OpticFilm 8200i는 Linux에서 지원되지 않아 개발이 수개월간 중단됐지만, Windows에서 정상 스캔을 실행하면서 USB 데이터를 기록하자 몇 시간 만에 Linux에서도 첫 스캔에 성공했다. 이후 거의 완성된 드라이버를 만든 시점에는 다른 개발자가 이미 SANE에 해당 스캐너 지원을 추가한 사실이 밝혀졌다.
공개된 hw-harness는 이 실험에 사용했던 맞춤형 코드를 재사용하기 쉽게 정리한 프로젝트다. 실제 프로젝트에서 사용한 코드와 공개 버전은 완전히 같지는 않으며, 세 가지 작업을 모두 공개 하네스로 수행한 것은 아니다.
하드웨어 역공학에서 중요한 것은 캡처를 많이 확보하는 것만이 아니라 비교 가능한 실행을 만드는 데 있다. 실제 장치를 KVM Windows 가상 머신에 패스스루하고, Windows 제조사 드라이버로 참조 작업을 수행한다. 이어 Linux 호스트의 usbmon으로 패스스루 계층 아래의 USB 트래픽을 기록하고, Linux 자체 드라이버로 같은 작업을 수행해 같은 도구로 다시 캡처한다.
두 실행 추적을 직접 비교하면 한 바이트만 달라지는 반복 시퀀스나 초기화 순서의 차이를 찾을 수 있다. 이런 차이는 막연한 “작동하지 않음”을 수정 가능한 드라이버 버그 목록으로 바꾸는 근거가 된다. AI는 수천 줄의 캡처에서 반복 패턴을 찾고, 상수의 의미를 추정하며, 확인용 테스트를 작성하는 반복 작업에 적합했다. 반면 어떤 기능을 구현할지 정하고 실제 장치가 정상 동작하는지 판단하는 일은 사람이 맡았다.
필름 스캐너와 비파괴 후처리
스캐너 백엔드는 Genesys GL128 컨트롤러와 USB 식별자 07b3:1825를 사용하며, 컬러·회색조·적외선·컬러와 적외선 모드를 지원한다. 300~7200dpi 범위에서 채널당 8비트 또는 16비트로 스캔할 수 있고, 적외선 채널은 먼지와 흠집 제거에 사용된다. Fedora RPM은 매 푸시마다 자동으로 빌드되도록 배포됐다.
업스트림 SANE의 genesys 백엔드가 2026년 9월 이 스캐너를 지원하기 시작한 뒤에는 두 드라이버를 비교했다. 3600dpi에서 미세 디테일 수준은 비슷했지만, 최대 해상도 스캔 시간은 자체 백엔드가 34.6초, 업스트림이 54.4초였다. 다만 비교 결과는 장치 한 대와 프레임 한 장에서 얻은 단일 사례였으므로 성능 일반화에는 주의가 필요하다. 자체 프로젝트는 개념 증명 성격이 강하며, 업스트림 드라이버가 같은 기능 수준에 도달하면 업스트림 구현을 사용하게 될 것으로 예상했다.
Negative Vibes는 원본 데이터를 남긴다
Negative Vibes는 Rust로 작성된 GNOME 앱으로, 컬러와 흑백 네거티브 및 슬라이드 스캔을 지원한다. 스캐너가 전달한 16비트 선형 데이터와 적외선 평면을 그대로 보존하고, 후처리 설정을 누적해 나중에 표현을 바꾸거나 다시 내보낼 수 있다. 광학 농도 공간을 이용한 네거티브 반전, 필름 베이스와 염료 사이의 크로스토크 보정, 필름 롤 전체와 프레임별 재정화 기능을 제공한다.
앱은 적외선 방식과 소프트웨어 방식의 먼지 제거, ArgyllCMS를 통한 IT8 보정 기능을 지원한다. ICC 프로파일과 메타데이터를 포함해 TIFF·JPEG·PNG·DNG 형식으로 내보낼 수 있으며, 스캐너 백엔드를 포함한 Flatpak으로 배포됐다. 다만 모든 SANE 필름 스캐너를 지원하려면 적외선 채널을 표준 방식으로 노출해야 하고, 현재는 그러한 표준이 없다.
MIPI 카메라까지 넓어진 적용 범위
같은 하네스를 이용해 Lenovo ThinkPad X1 Carbon Gen 14, Aura Edition의 MIPI 카메라를 수정하는 작업도 진행됐다. 이 노트북은 Intel IPU7과 Sony IMX471 조합을 사용하며, Linux에서 이미지가 어둡고 주변부 광량 저하와 강한 황록색 색조가 나타났다. 직접 캡처하기 어려운 내부 카메라는 Windows 측 INF 파일, 레지스트리 데이터, ACPI 테이블와 장치 속성을 조사해 기준값을 확보했다.
커널 드라이버에서는 크롭 선택 오류, 테스트 패턴 레지스터 폭 오류, 지나치게 낮은 아날로그 게인 상한을 수정했다. 이로써 전체 픽셀 배열을 사용하도록 잘못 판단하던 문제가 해소됐고, 약 1.8스톱이던 감도 손실도 줄었다. libcamera에서는 렌즈 음영 보정을 추가하고, 8비트 블랙 레벨이 화이트밸런스 통계에 적용되던 계산을 고쳤다.
| 항목 | 수정 전 | 수정 후 |
|---|---|---|
| 프레임 밝기 | 31.1 | 90.9 |
| 빨강·초록 비율 | 0.890 | 1.047 |
| 파랑·초록 비율 | 0.672 | 0.823 |
통제된 저조도 테스트에서 수정 후 카메라는 기준 USB 웹캠에 더 가까운 색상 비율을 보였지만, 파랑은 여전히 약 17% 부족했다. 원문은 그레이 월드 화이트밸런스 탓으로 추정한다. 이 사례는 버스를 직접 기록하기 어려운 장치에서도 설정 데이터와 참조 카메라 비교가 중요하다는 점을 보여준다.
실물 검증을 붙인 AI 개발
이 사례에서 AI의 역할은 캡처 해독, 검사용 코드 작성, 상수 교차 확인처럼 반복성이 높은 작업에 집중됐다. 반면 구현 대상을 정하고 실제 스캐너와 노트북에서 결과가 정상인지 판단하는 역할은 개발자가 맡았다. 그래서 하드웨어 역공학은 AI의 추측으로 끝나는 과정이 아니라, 캡처와 참조 데이터를 만든 뒤 실제 장치에서 검증하는 반복 과정으로 볼 수 있다.
결과는 완전하지 않다. 스캐너는 보기 괜찮은 필름 스캔 결과를 만들었고 카메라는 이전보다 크게 개선했지만, 추가 조정과 다듬기는 남아 있다. AI 에이전트의 실질적인 가치는 하드웨어 내부의 모든 원리를 설명하는 데 있지 않다. 정상 동작과 실패 동작의 차이를 빠르게 좁히고, 그 가설을 드라이버 코드와 실제 장비의 결과로 검증하는 데 있다.
참고 원문
이 기사는 다음 원문을 확인해 작성했습니다: geeknews — AI로 하드웨어 역공학하기
