論文の概要: Decoupling is a Necessity: Transformation-Agnostic Decompiled Code Recovery under Optimization and Obfuscation
- arxiv url: http://arxiv.org/abs/2608.27889v1
- Date: Fri, 28 Aug 2026 03:52:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.199075
- Title: Decoupling is a Necessity: Transformation-Agnostic Decompiled Code Recovery under Optimization and Obfuscation
- Title（参考訳）: デカップリングは必要である:最適化と難読化の下でトランスフォーメーション非依存のデコンパイルコードリカバリ
- Abstract要約: 我々は、ソースリカバリのための最初のマルチフェーズLCMフレームワークであるReSourceを紹介する。
これはバイナリからソースへの不一致を、語彙、構文、意味という3つの階層に概念化する。
83%のTop-5ソース検索精度と平均類似度スコアが0.66である。
- 参考スコア（独自算出の注目度）: 17.25489608715255
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reverse engineering is essential for software security analysis and vulnerability detection. Decompilation, the process of lifting binaries to high-level pseudocode, is central to this task. However, production binaries are hostile environments: aggressive compiler optimizations and adversarial obfuscation jointly mangle control structures, obscure variable intents, and disguise high-level program logic. Consequently, existing LLM-based decompilation tools frequently suffer from structural collapse and semantic hallucinations. We present ReSource, the first multi-phase LLM framework designed for transformation-agnostic source recovery. To tackle these intertwined distortions, ReSource conceptualizes the binary-to-source discrepancies into three orthogonal tiers, namely lexical, syntactic, and semantic, and decouples the recovery process accordingly. First, to ground the LLM and prevent logic drift, it retrieves empirical priors from a curated Semantic Distortion Database. Second, to resolve control-flow flattening, it integrates a lightweight predictor to reconstruct the source-level structural skeleton. Finally, a contextual lexical deduction stage refines identifiers to restore human readability. Evaluated on a massive benchmark of over 80,000 decompiled-source function pairs across three optimization levels and four obfuscation techniques, ReSource achieves an 83% Top-5 source retrieval accuracy and an average similarity score of 0.66. By maintaining robust semantic identifiability where state-of-the-art baselines (DeGPT, LLM4Decompile, and FidelityGPT) severely overfit or degrade, ReSource provides a scalable and reliable foundation for downstream security analysis.
- Abstract（参考訳）: リバースエンジニアリングはソフトウェアセキュリティ分析と脆弱性検出に不可欠である。
バイナリを高レベルな擬似コードに持ち上げるプロセスである逆コンパイルは、このタスクの中心である。
しかし、プロダクションバイナリは敵対的な環境である: 攻撃的なコンパイラ最適化と対向的難読化は、共同でマングル制御構造、不明瞭な変数インテント、ハイレベルなプログラムロジックを偽装する。
したがって、既存のLLMベースの逆コンパイルツールは、しばしば構造的な崩壊と意味的な幻覚に悩まされる。
トランスフォーメーション非依存のソースリカバリ用に設計された,最初の多相LCMフレームワークであるReSourceを紹介する。
これらの絡み合った歪みに対処するため、ReSourceはバイナリからソースへの不一致を3つの直交層、すなわち語彙、構文、意味論に概念化し、それに従って回復プロセスを分離する。
まず、LLMを接地してロジックのドリフトを防ぐため、キュレートされたセマンティック歪みデータベースから経験的な先行情報を検索する。
第二に、制御フロー平坦化を解決するために、軽量な予測器を統合し、ソースレベルの構造骨格を再構築する。
最後に、コンテキストレキシカル推論ステージは、識別子を洗練して人間の可読性を復元する。
3つの最適化レベルと4つの難読化テクニックにまたがる80,000以上の非コンパイルソース関数ペアの大規模なベンチマークで評価され、ReSourceは83%のTop-5ソース検索精度と平均類似度スコア0.66を達成している。
最先端のベースライン(DeGPT、LLM4Decompile、FidelityGPT)が過度に過度に適合または低下しているような、堅牢なセマンティックな識別性を維持することで、ReSourceはダウンストリームセキュリティ分析のためのスケーラブルで信頼性の高い基盤を提供する。
関連論文リスト
- Escaping Confidence Trap: Evolutionary Decoding for Mathematical Reasoning in Diffusion LLMs [69.52853771994451]
我々はLLaDA 2.0の復号軌道を解析し、繰り返し拡散信頼トラップを同定する。
本稿では,拡散復号化を進化過程とみなす訓練不要なテスト時間スケーリングフレームワークである進化復号法を提案する。
論文 参考訳（メタデータ） (2026-08-01T11:48:25Z) - REFORGE: A Method for Benchmarking LLMs' Reverse Engineering Capabilities in Decompiled Binary Function Naming [0.0]
大規模な言語モデル(LLM)は、リバースエンジニアリングタスクにますます適用されている。
しかし、彼らの能力に関する主張は、それを測定する能力よりも優れている。
本稿では,関数レベル基底真理をCソースから構築する証明追跡パイプラインであるReforgeを提案する。
論文 参考訳（メタデータ） (2026-07-07T23:17:03Z) - CoDe-R: Refining Decompiler Output with LLMs via Rationale Guidance and Adaptive Inference [10.71961188176124]
バイナリ逆コンパイルは、削除された実行ファイルから高レベルのソースコードを再構築することを目的とした、重要なリバースエンジニアリングタスクである。
大規模言語モデル(LLM)は、最近、約束を示すが、しばしば「科学的幻覚」と「セマンティックなミスアライメント」に悩まされる。
本稿では,2段階の軽量コード精錬フレームワークであるCoDe-Rを提案する。
論文 参考訳（メタデータ） (2026-04-14T15:58:38Z) - Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - Unleashing Degradation-Carrying Features in Symmetric U-Net: Simpler and Stronger Baselines for All-in-One Image Restoration [52.82397287366076]
オールインワン画像復元は、統合された枠組み内で様々な劣化(ノイズ、ぼかし、悪天候など)を扱うことを目的としている。
本研究では, 優れた特徴抽出法により, 劣化伝達情報を本質的にエンコードする, 重要な知見を明らかにする。
我々の対称設計は固有の劣化信号を頑健に保存し、スキップ接続に単純な加法融合を施す。
論文 参考訳（メタデータ） (2025-12-11T12:20:31Z) - Context-Guided Decompilation: A Step Towards Re-executability [50.71992919223209]
バイナリ逆コンパイルは、ソフトウェアセキュリティ分析、リバースエンジニアリング、マルウェア理解において重要な役割を果たす。
大規模言語モデル (LLMs) の最近の進歩により、ニューラルデコンパイルが可能になったが、生成されたコードは一般的に意味論的にのみ使用可能である。
In-context Learning(ICL)を活用して,再実行可能なソースコードを生成するためのILC4Decompを提案する。
論文 参考訳（メタデータ） (2025-11-03T17:21:39Z) - FidelityGPT: Correcting Decompilation Distortions with Retrieval Augmented Generation [23.291593625603653]
逆コンパイルはマシンコードを可読形式に変換し、ソースコードなしで解析とデバッグを可能にする。
変数のリネームや構造的単純化といった既存の手法は部分的な改善を提供するが、堅牢な検出と修正は欠如している。
本稿では,意味的歪みを系統的に検出し,修正することにより,デコンパイルされたコード精度と可読性を向上するフレームワークであるFidelityGPTを提案する。
論文 参考訳（メタデータ） (2025-10-22T14:11:44Z) - ORCAS: Obfuscation-Resilient Binary Code Similarity Analysis using Dominance Enhanced Semantic Graph [11.990392428275179]
我々は,支配強化セマンティックグラフ(DESG)に基づく難易度回復型BCSAモデルであるORCASを開発する。
DESGは元のバイナリコード表現であり、制御フロー構造なしで多くのバイナリの暗黙的なセマンティクスをキャプチャする。
ORCASは、この新しくリリースされた現実世界の脆弱性データセットに対する最先端のアプローチを最大43%のリコール改善で上回っている。
論文 参考訳（メタデータ） (2025-06-06T15:26:53Z) - Theoretical Insights in Model Inversion Robustness and Conditional Entropy Maximization for Collaborative Inference Systems [89.35169042718739]
協調推論により、クラウドサーバに機密データを公開することなく、エンドユーザは強力なディープラーニングモデルを活用することができる。
近年の研究では、これらの中間機能は、情報が漏洩し、生データをモデル反転攻撃(MIA)によって再構築できるため、プライバシーを十分に保持できないことが判明している。
この研究はまず、与えられた中間特徴の入力の条件エントロピーが、任意のMIAの下での再構成平均二乗誤差(MSE)の保証された下界を与えることを理論的に証明する。
そして、ガウス混合推定に基づいて、この条件付きエントロピーを有界化するための微分可能かつ可解な尺度を導出し、逆ロバスト性を高める条件付きエントロピーアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-03-01T07:15:21Z) - 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) - BinaryAI: Binary Software Composition Analysis via Intelligent Binary Source Code Matching [8.655595404611821]
BinaryAIは2フェーズのバイナリソースコードマッチングを備えた新しいバイナリ・ソースSCA技術で、構文的および意味的両方のコード特徴をキャプチャする。
実験の結果、バイナリソースコードマッチングと下流SCAタスクにおいて、BinaryAIの優れた性能を示しました。
論文 参考訳（メタデータ） (2024-01-20T07:57:57Z)
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。