論文の概要: REStack: A Large-Scale Dataset of Reverse Engineering Discussions from Stack Exchange

• arxiv url: http://arxiv.org/abs/2606.05493v1
• Date: Wed, 03 Jun 2026 22:34:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.430415
• Title: REStack: A Large-Scale Dataset of Reverse Engineering Discussions from Stack Exchange
• Title（参考訳）: REStack: Stack Exchangeによるリバースエンジニアリングの大規模データセット
• Authors: Md Humaun Kabir, Md Rakibul Islam, Farha Kamal,
• Abstract要約: リバースエンジニアリング(RE)はソフトウェアエンジニアリングとサイバーセキュリティにおいて重要な活動であり、マルウェア分析、脆弱性発見、レガシーシステムのメンテナンス、ファームウェア検査などのタスクをサポートする。 公開データセットが開発者Q&AフォーラムからREの議論を体系的に取得したことはない。 私たちは、Stack Overflowと専用のReverse Engineering Stack Exchangeサイトから収集された大規模なREディスカッションデータセットであるREStackを紹介します。
• 参考スコア（独自算出の注目度）: 0.28675177318965045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reverse engineering (RE) is a critical activity in software engineering and cybersecurity, supporting tasks such as malware analysis, vulnerability discovery, legacy system maintenance, and firmware inspection. Despite its importance, there is limited empirical understanding of the challenges, topics, and knowledge gaps faced by RE practitioners in real-world settings, and no publicly available dataset has systematically captured RE discussions from developer Q&A forums. In this paper, we present REStack, a large-scale dataset of RE discussions collected from Stack Overflow and the dedicated Reverse Engineering Stack Exchange site. The dataset comprises over 12,000 RE-related posts spanning more than 15 years. Using Latent Dirichlet Allocation (LDA) with Genetic Algorithm (GA)-based hyperparameter optimization, followed by manual topic labeling, we identify 23 semantically coherent RE topics grouped into six high-level thematic categories. The dataset is further enriched with metadata and difficulty indicators derived from community interaction signals, such as unanswered rates and response times. Our analysis reveals that RE discussions are predominantly practical and task-oriented, with strong emphasis on debugging, decompilation, and system-level analysis, while topics related to memory, firmware, and file format analysis exhibit high difficulty and unresolved rates. Beyond empirical characterization, REStack provides a reusable resource for empirical studies, educational research, and the development and evaluation of AI- and LLM-based developer assistance tools for RE. By releasing the dataset and accompanying scripts, this work aims to facilitate reproducible research and advance data-driven support for RE practice.
• Abstract（参考訳）: リバースエンジニアリング(RE)はソフトウェアエンジニアリングとサイバーセキュリティにおいて重要な活動であり、マルウェア分析、脆弱性発見、レガシーシステムのメンテナンス、ファームウェア検査などのタスクをサポートする。 その重要性にもかかわらず、RE実践者が現実世界で直面している課題、トピック、知識のギャップに関する経験的な理解は限られており、公開データセットが開発者Q&AフォーラムからREの議論を体系的に捉えていない。 本稿では,Stack Overflowと専用のReverse Engineering Stack Exchangeサイトから収集した大規模なREディスカッションデータセットであるREStackを紹介する。 データセットは15年以上にわたる12,000以上のRE関連ポストで構成されている。 遺伝的アルゴリズム(GA)に基づくハイパーパラメータ最適化を併用した潜在ディリクレ割当(LDA)と手動のトピックラベリングを併用し、23のセマンティックコヒーレントなREトピックを6つのハイレベルなテーマカテゴリーに分類した。 データセットには、未回答率や応答時間など、コミュニティのインタラクション信号から得られるメタデータと難易度指標がさらに充実している。 本稿では, メモリ, ファームウェア, ファイル形式解析に関する話題は, 難易度が高く, 未解決率が高く, デバッグ, 逆コンパイル, システムレベルの解析に重点を置いている。 経験的特徴の他に、REStackは、経験的研究、教育研究、そして、REのためのAIおよびLLMベースの開発者支援ツールの開発と評価のための再利用可能なリソースを提供する。 この作業は、データセットをリリースし、それに伴うスクリプトを提供することで、再現可能な研究を容易にし、REプラクティスのためのデータ駆動サポートを前進させることを目的としている。

関連論文リスト

• Multi-hop Reasoning via Early Knowledge Alignment [68.28168992785896]
  アーリー・ナレッジ・アライメント(EKA)は、大規模言語モデルと文脈的に関連づけられた知識を整合させることを目的としている。 EKAは検索精度を大幅に改善し、カスケードエラーを低減し、性能と効率を向上する。 EKAは、大規模モデルにシームレスにスケールする、多目的でトレーニング不要な推論戦略として有効である。
  論文  参考訳（メタデータ） (2025-12-23T08:14:44Z)
• SoK: Potentials and Challenges of Large Language Models for Reverse Engineering [5.603029122508333]
  リバースエンジニアリング(RE)はソフトウェアセキュリティの中心であり、脆弱性発見やマルウェア分析などのタスクを可能にする。 ディープラーニングの初期の進歩は、特にマルウェア検出と脆弱性分類のために、REの一部を自動化するようになった。 最近では、急速に成長する研究機関が、同様の目的にLarge Language Models (LLMs)を適用している。
  論文  参考訳（メタデータ） (2025-09-26T03:26:51Z)
• SpiritRAG: A Q&A System for Religion and Spirituality in the United Nations Archive [4.575515160275914]
  Retrieval-Augmented Generation(RAG)に基づく対話型Q&AシステムであるSpiritRAGを提案する。 SpiritRAGは、保健・教育分野におけるR/Sに関する7500件の国連(UN)決議文書を使って構築され、研究者や政策立案者が複雑な文脈に敏感なデータベース検索を行うことを可能にする。 100の質問を手作業で作成したドメインエキスパートによるパイロットテストと評価は、SpiritRAGの実用的価値と有用性を示している。
  論文  参考訳（メタデータ） (2025-07-06T13:54:54Z)
• Benchmarking Deep Search over Heterogeneous Enterprise Data [73.55304268238474]
  検索強化生成(RAG)の形式を評価するための新しいベンチマークを提案する。 RAGは、多種多様な、しかし関連するソースに対して、ソースを意識したマルチホップ推論を必要とする。 製品計画、開発、サポートステージをまたいだビジネスをシミュレートする合成データパイプラインを使用して構築します。
  論文  参考訳（メタデータ） (2025-06-29T08:34:59Z)
• Enhancing Human-like Multi-Modal Reasoning: A New Challenging Dataset and Comprehensive Framework [51.44863255495668]
  マルチモーダル推論は、人間のような知性を示す人工知能システムの追求において重要な要素である。 提案するマルチモーダル推論(COCO-MMR)データセットは,オープンエンド質問の集合を包含する新しいデータセットである。 画像とテキストエンコーダを強化するために,マルチホップ・クロスモーダル・アテンションや文レベルのコントラスト学習などの革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-07-24T08:58:25Z)
• A Comprehensive Survey on Relation Extraction: Recent Advances and New Frontiers [76.51245425667845]
  関係抽出(RE)は、基礎となるコンテンツからエンティティ間の関係を識別する。 ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。 この調査は、現実世界のREシステムの課題に対処するための研究者の協力的な取り組みを促進することが期待されている。
  論文  参考訳（メタデータ） (2023-06-03T08:39:25Z)
• Learning from Context or Names? An Empirical Study on Neural Relation Extraction [112.06614505580501]
  テキストにおける2つの主要な情報ソースの効果について検討する:テキストコンテキストとエンティティ参照(名前) 本稿では,関係抽出のための実体型コントラスト事前学習フレームワーク(RE)を提案する。 我々のフレームワークは、異なるREシナリオにおけるニューラルモデルの有効性と堅牢性を改善することができる。
  論文  参考訳（メタデータ） (2020-10-05T11:21:59Z)

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。