論文の概要: Echo: Learning-based Matching Decompilation using Trusted Back Translation
- arxiv url: http://arxiv.org/abs/2609.18706v1
- Date: Wed, 16 Sep 2026 14:14:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.834173
- Title: Echo: Learning-based Matching Decompilation using Trusted Back Translation
- Title（参考訳）: Echo:Trusted Back Translationを用いた学習型マッチングデコンパイル
- Abstract要約: 本稿では、信頼された逆変換に基づく、一致する逆変換システムであるEchoを紹介する。
関数レベルのベンチマークとMiraiマルウェアのバイナリ上でEchoを評価する。
- 参考スコア（独自算出の注目度）: 1.2525875909208162
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neural decompilers can recover readable and recompilable source code from binaries, but their predictions remain difficult to trust. Matching decompilation addresses this problem by searching for source code whose recompiled assembly exactly matches the target, providing stronger evidence of correctness. However, exact matching remains challenging for optimized binaries under unknown compilation configurations. We present Echo, a matching decompilation system based on trusted back-translation. Our key insight is to use compilation not only for verification, but also as trusted feedback to guide iterative search. Echo first uses a domain-specific model to generate candidate programs and compilation configurations. It recompiles these candidates, measures assembly-level similarity, and synthesizes promising code-configuration pairs. Remaining mismatches are then progressively repaired using rule-based rewriting, neural refinement, and reasoning-based refinement. We evaluate Echo on function-level benchmarks and the Mirai malware binary. Compared with the strongest baseline, Echo produces 2.43x more exact matches on average and achieves the highest structural similarity to ground-truth source code. On Mirai, Echo matches 2.75x and 7.4x as many functions as GPT-5.6 and Codex, respectively.
- Abstract（参考訳）: ニューラルデコンパイラはバイナリから読みやすいソースコードと再コンパイル可能なソースコードを復元することができるが、その予測は信頼性が低いままである。
再コンパイルされたアセンブリがターゲットと正確に一致したソースコードを検索し、より強力な正確性を示すことで、逆コンパイルが問題に対処する。
しかし、未知のコンパイル構成下で最適化されたバイナリでは、正確なマッチングは依然として困難である。
本稿では、信頼された逆変換に基づく、一致する逆変換システムであるEchoを紹介する。
私たちの重要な洞察は、コンパイルを検証だけでなく、信頼されたフィードバックとして、反復的な検索をガイドすることにあります。
Echoはまずドメイン固有のモデルを使用して、候補プログラムとコンパイル構成を生成する。
これらの候補を再コンパイルし、アセンブリレベルの類似度を測定し、有望なコード構成ペアを合成する。
残ったミスマッチは、ルールベースの書き換え、ニューラルリファインメント、推論ベースのリファインメントを使用して徐々に修復される。
関数レベルのベンチマークとMiraiマルウェアのバイナリ上でEchoを評価する。
最強のベースラインと比較すると、Echoは平均で2.43倍正確なマッチを発生し、地味のソースコードと最も高い構造的類似性を達成している。
Mirai では、Echo は GPT-5.6 と Codex の2.75x と 7.4x にそれぞれ一致する。
関連論文リスト
- Binary Decompilation LLM with Feedback-Driven Multi-Turn Refinement [39.339662640253785]
本稿では、フィードバック駆動型マルチターンバイナリ逆コンパイルのための強化学習で訓練された逆コンパイル特化LDMであるAutoDecompilerを提案する。
コード妥当性、再コンパイル可能性、実行一貫性、セマンティック忠実性をキャプチャする、逆コンパイル固有の報酬を設計する。
AutoDecompilerファミリをトレーニングし、異なる入力設定、モデルスケール、ベンチマークで評価します。
論文 参考訳（メタデータ） (2026-06-15T03:25:05Z) - Decaf: Improving Neural Decompilation with Automatic Feedback and Search [64.02615739798277]
高レベルな構文、識別子、カスタムデータ型は一般的に失われ、コンパイラは人間可読なコードを低レベルなマシンコードに変換する。
生成AIモデルは、ハイレベルな構文、識別子、型を再構築するのに自然なものだ。
コンパイラフィードバックは,サーチによるニューラルデコンパイラ出力のセマンティックな正当性の向上に有効である,と我々は主張する。
論文 参考訳（メタデータ） (2026-05-12T04:21:26Z) - Constraint-Guided Multi-Agent Decompilation for Executable Binary Recovery [47.704311990064554]
脱コンパイルは、セキュリティ分析、マルウェアのリバースエンジニアリング、レガシーソフトウェアメンテナンスに不可欠である。
マルチレベル制約誘導型デコンパイル(MCGD)により,デコンパイルされたコードを再実行可能なソースに変換するマルチエージェントフレームワークを提案する。
本フレームワークは,84～97%の再実行性を実現し,28～89ポイントのベースラインデコンパイラ出力を改善した。
論文 参考訳（メタデータ） (2026-04-27T01:28:11Z) - PCodeTrans: Translate Decompiled Pseudocode to Compilable and Executable Equivalent [8.576619291429969]
PCodeTransは、逆コンパイル、再コンパイル、厳密な関数レベルの動的検証のギャップを埋める。
99.55%と99.89%のテスト検証された動作一貫性とともに、ストリップされていないバイナリ上で100%の関数レベルのコンパイルが可能となる。
論文 参考訳（メタデータ） (2026-03-16T05:54:24Z) - 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) - D-LiFT: Improving LLM-based Decompiler Backend via Code Quality-driven Fine-tuning [49.16469288280772]
逆コンパイラは、バイナリから可読なソースコードを再構築する。
近年の進歩にもかかわらず、そのアウトプットは構文上の誤りや意味的な誤りに悩まされ、読みにくいままである。
大規模言語モデル (LLMs) の出現により、研究者は逆コンパイラ出力を洗練するためのLLMの可能性を探り始めた。
D-LIFTは、微調整強化学習を施した拡張逆コンパイラLLMパイプラインである。
論文 参考訳（メタデータ） (2025-06-11T19:09:08Z) - 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) - Demystifying and Assessing Code Understandability in Java Decompilation [3.2671789531342457]
機械レベルのコードを可読性のあるソースコードに変換するプロセスである逆コンパイルは、リバースエンジニアリングにおいて重要な役割を果たす。
本稿では,Javaの非コンパイルコードの可読性に関する最初の実証的研究を提案する。
論文 参考訳（メタデータ） (2024-09-30T14:44:00Z) - Improving type information inferred by decompilers with supervised
machine learning [0.0]
ソフトウェアリバースエンジニアリングでは、逆コンパイルはバイナリファイルからソースコードを回復するプロセスである。
関数によって返される高レベルな型を推測できる異なる分類モデルを構築する。
私たちのシステムは、79.1%のF1測定で関数戻り型を予測できますが、最良の逆コンパイラは30%のF1測定を得ます。
論文 参考訳（メタデータ） (2021-01-19T11:45:46Z)
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。