論文の概要: Disassembly as Weighted Interval Scheduling with Learned Weights
- arxiv url: http://arxiv.org/abs/2505.01536v1
- Date: Fri, 02 May 2025 18:51:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-06 18:49:35.1666
- Title: Disassembly as Weighted Interval Scheduling with Learned Weights
- Title（参考訳）: 学習重みによる重み付き間隔スケジューリングの分解
- Authors: Antonio Flores-Montoya, Junghee Lim, Adam Seitz, Akshay Sood, Edward Raff, James Holt,
- Abstract要約: 本稿では,このパターンを広範囲のアーキテクチャで一般化する分解アルゴリズムを提案する。
本アルゴリズムは,重み付き間隔スケジューリングへの分解を低減させる新しい競合解消手法を提案する。
- 参考スコア（独自算出の注目度）: 38.917298363512415
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Disassembly is the first step of a variety of binary analysis and transformation techniques, such as reverse engineering, or binary rewriting. Recent disassembly approaches consist of three phases: an exploration phase, that overapproximates the binary's code; an analysis phase, that assigns weights to candidate instructions or basic blocks; and a conflict resolution phase, that downselects the final set of instructions. We present a disassembly algorithm that generalizes this pattern for a wide range of architectures, namely x86, x64, arm32, and aarch64. Our algorithm presents a novel conflict resolution method that reduces disassembly to weighted interval scheduling.
- Abstract（参考訳）: 分解は、リバースエンジニアリングやバイナリ書き換えなど、さまざまなバイナリ分析と変換技術の第一段階である。
最近の分解的アプローチは、3つのフェーズで構成されている:探索フェーズ、バイナリのコードにオーバー近似する探索フェーズ、候補命令や基本ブロックに重みを割り当てる分析フェーズ、最終命令のセットをダウンセレクトする競合解決フェーズ。
本稿では,このパターンを x86, x64, arm32, aarch64 など,幅広いアーキテクチャ向けに一般化した分解アルゴリズムを提案する。
本アルゴリズムは,重み付き間隔スケジューリングへの分解を低減させる新しい競合解消手法を提案する。
関連論文リスト
- ReF Decompile: Relabeling and Function Call Enhanced Decompile [50.86228893636785]
逆コンパイルの目標は、コンパイルされた低レベルコード(アセンブリコードなど)を高レベルプログラミング言語に変換することである。
このタスクは、脆弱性識別、マルウェア分析、レガシーソフトウェアマイグレーションなど、さまざまなリバースエンジニアリングアプリケーションをサポートする。
論文 参考訳（メタデータ） (2025-02-17T12:38:57Z) - Multimodal Instruction Disassembly with Covariate Shift Adaptation and Real-time Implementation [3.70729078195191]
我々は、ターゲットデバイスから電力とEMを同時に収集できる新しい小型プラットフォーム、RASCv3を導入する。
我々は情報理論を用いてパワーとEMトレースから特徴を組み合わせ、選択するための新しいアプローチを考案した。
オフラインおよびリアルタイムの命令分解器の認識率は、単一および複数モードの場合と比較する。
論文 参考訳（メタデータ） (2024-12-10T17:00:23Z) - Jigsaw++: Imagining Complete Shape Priors for Object Reassembly [35.16793557538698]
Jigsaw++は、再アセンブリ問題に対する再構築の多面的課題に取り組むために設計された、新しい生成方法である。
完全なオブジェクトの前にカテゴリに依存しない形状を学ぶことで、自分自身を区別する。
J Jigsaw++は、その効果を示し、再構築エラーを低減し、形状復元の精度を高める。
論文 参考訳（メタデータ） (2024-10-15T17:45:37Z) - DiffAssemble: A Unified Graph-Diffusion Model for 2D and 3D Reassembly [21.497180110855975]
グラフニューラルネットワーク(GNN)ベースのアーキテクチャであるDiffAssembleを導入する。
本手法は,空間グラフのノードとして,2次元パッチや3次元オブジェクトフラグメントなどの集合の要素を扱う。
我々は、最も高速な最適化に基づくパズル解法よりも11倍高速に実行された、実行時間の大幅な削減を強調した。
論文 参考訳（メタデータ） (2024-02-29T16:09:12Z) - Multi-Phase Relaxation Labeling for Square Jigsaw Puzzle Solving [73.58829980121767]
本稿では,大域最適化に基づく二乗ジグソーパズルの解法を提案する。
この手法は完全に自動化されており、事前情報を前提とせず、未知または未知のピースオリエンテーションでパズルを扱うことができる。
論文 参考訳（メタデータ） (2023-03-26T18:53:51Z) - Improved Algorithm for the Network Alignment Problem with Application to
Binary Diffing [0.0]
本稿では,ネットワークアライメント問題に対処する新しいアルゴリズムを提案する。
実験により,提案モデルが他の最先端の解法よりも優れていることが示された。
また,バイナリ・ディッフィング問題に対処するため,本手法の応用を提案する。
論文 参考訳（メタデータ） (2021-12-31T07:52:14Z) - Nearest neighbor search with compact codes: A decoder perspective [77.60612610421101]
バイナリハッシュや製品量化器などの一般的な手法を自動エンコーダとして再解釈する。
後方互換性のあるデコーダを設計し、同じ符号からベクトルの再構成を改善する。
論文 参考訳（メタデータ） (2021-12-17T15:22:28Z) - XDA: Accurate, Robust Disassembly with Transfer Learning [23.716121748941138]
XDAは、トランスファーラーニングベースの分解フレームワークである。
マシンコードに存在するさまざまなコンテキスト依存を学習する。
IDA Proのような手書きの分解器より最大38倍速い。
論文 参考訳（メタデータ） (2020-10-02T04:14:17Z) - Towards Minimax Optimal Reinforcement Learning in Factored Markov
Decision Processes [53.72166325215299]
エピソード因子化マルコフ決定過程(FMDP)における最小強化学習について検討する。
第一に、分解された構造のリッチなクラスに対する最小限の後悔の保証を達成する。
2つ目は、少し悪い後悔をしながら、より良い計算複雑性を楽しみます。
論文 参考訳（メタデータ） (2020-06-24T00:50:17Z) - Learning multiview 3D point cloud registration [74.39499501822682]
本稿では,エンドツーエンドで学習可能なマルチビュー3Dポイントクラウド登録アルゴリズムを提案する。
このアプローチは、エンドツーエンドのトレーニングが可能で、計算コストが小さく、最先端のマージンよりも優れています。
論文 参考訳（メタデータ） (2020-01-15T03:42:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。