decompilation | BriefGPT - AI 论文速递

关键词decompilation

搜索结果 - 6

自构建上下文解构，并进行细粒度对齐增强
该研究论文提出了两种方法：自构建上下文反编译（sc$^2$dec）方法在没有微调的情况下重新编译 LLM 的反编译结果，以构造上下文学习对，帮助模型提高反编译性能；细粒度对齐增强（FAE）方法通过利用调试信息，在微调阶段将汇编代码与源代码在
PDF9 days ago
ICMLStackSight: 透过大型语言模型和神经符号链式思维解构揭示 WebAssembly
通过结合大型语言模型（LLMs）和高级程序分析技术，StackSight 提出了一种新的神经符号化方法，将复杂的 WebAssembly 代码反编译为可读性高的 C++ 代码片段，通过可视化和追踪虚拟栈的改变，以及利用 LLM 的复杂推理能
PDFa month ago
LLM4Decompile：使用大型语言模型进行二进制代码反编译
通过发表首个开源的用于反编译的大型语言模型 (LLMs)，以及引入考虑重新编译和重新执行性能的第一个数据集 Decompile-Eval，本研究从程序语义的角度评估了反编译模型。实验证明，LLM4Decompile 能够准确反编译 21%
PDF4 months ago
SLaDe: 一个用于优化汇编代码的可移植小型语言模型反编译器
该论文提出了 SLaDe，一种基于序列到序列变换器的小语言模型反编译器，利用类型推断生成比标准分析和最近的神经方法更易读和准确的代码，相比最先进的市场反编译器 Ghidra 更精确，相对于 ChatGPT 大型语言模型具有更好的可读性。
PDFa year ago
提升神经网络以反编译优化二进制文件
本文介绍了一种新的学习方法，称为 NeurDP，以处理被编译优化的二进制文件的反编译问题，并以图神经网络模型将低级程序语言转换为中间表示，从而实现更好的翻译性能，经评估结果表明，NeurDP 可以比最先进的神经反编译框架的准确率高出 45.
PDF2 years ago
通过神经机器翻译实现可重定向反汇编
使用神经机器翻译技术进行反编译，可以使得反编译的支持范围更广，但过度的语言特定领域知识会增加支持新语言的负担。因此，研究者提出了一种使用神经机器翻译将程序汇编语言和源码语言看作纯文本的方案，并成功地应用于多种语言的反编译中。在参数调整和评估
PDF2 years ago