論文の概要: SEMPRE: Semantic-Aware Protocol Reverse Engineering via Consistency-Driven Joint Optimization
- arxiv url: http://arxiv.org/abs/2610.31844v1
- Date: Thu, 22 Oct 2026 19:27:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.274869
- Title: SEMPRE: Semantic-Aware Protocol Reverse Engineering via Consistency-Driven Joint Optimization
- Title(参考訳): SEMPRE: 一貫性駆動型共同最適化によるセマンティック・アウェアプロトコルリバースエンジニアリング
- Abstract要約: プロトコルリバースエンジニアリング(PRE)は、文書化されていないまたはプロプライエタリな通信フォーマットを理解するために不可欠である。
動的プログラム解析の微粒化を基礎とした完全自動化プレフレームワークSEMPREを提案する。
SEMPREは、tent-flowとループトレースを使用して、メッセージをフィールドにスライスするLLM駆動のtree-of- Thought検索をガイドする。
次に、各フィールドのタイプと役割を推論し、高信頼セグメントを凍結して再実行検出することで境界を反復的に洗練する。
- 参考スコア(独自算出の注目度): 35.78749510124004
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Protocol reverse engineering (PRE) is essential for understanding undocumented or proprietary communication formats, enabling security-critical tasks such as vulnerability discovery, malware C2 analysis, and IDS signature generation. However, existing PRE techniques rely on brittle hand-written rules, under-model contextual dependencies among neighboring fields, and often fail on messages with nested sub-protocols. We present SEMPRE, a fully automated PRE framework that replaces ad-hoc heuristics with recursive LLM reasoning grounded in fine-grained dynamic program analysis. SEMPRE uses taint-flow and loop traces to guide an LLM-driven tree-of-thought search that slices messages into fields while detecting nested sub-payloads, producing a hierarchical layout. It then infers each field's type and role and iteratively refines boundaries by freezing high-confidence segments and re-running detection under semantic constraints, yielding an EM-style procedure that monotonically improves structure and semantics until convergence. Evaluated on a broad corpus of mainstream protocols against six state-of-the-art (vs. <0.4 for all baselines) and 0.72 for semantic inference (vs. 0.13 for BinPRE). Ablations confirm the contribution of each component, and a case study on a prolific real-world botnet demonstrates practical utility.
- Abstract(参考訳): プロトコルリバースエンジニアリング(PRE)は、未文書またはプロプライエタリな通信フォーマットを理解するために必須であり、脆弱性発見、マルウェアC2分析、IDSシグネチャ生成などのセキュリティクリティカルなタスクを可能にする。
しかし、既存のプレテクニックは、脆弱な手書きルール、近隣のフィールド間のアンダーモデルコンテキスト依存、ネストしたサブプロトコールでメッセージに失敗することが多い。
提案するSEMPREは, 動的プログラム解析の微粒化に基づく再帰的LCM推論により, アドホックなヒューリスティックスを置き換える, 完全自動プリフレームワークである。
SEMPREは、tent-flowとループトレースを使用して、LLM駆動のtree-of- Thought検索をガイドし、ネストしたサブペイロードを検出しながらメッセージをフィールドにスライスし、階層的なレイアウトを生成する。
次に、各フィールドのタイプと役割を推論し、高信頼セグメントを凍結し、セマンティック制約の下で再実行検出することで境界を反復的に洗練し、収束するまで構造とセマンティックスを単調に改善するEMスタイルの手順を生成する。
6つの最先端 (vs. <0.4 for all baselines) に対する主要なプロトコルの幅広いコーパスとセマンティック推論のための 0.72 (vs. 0.13 for BinPRE) に基づいて評価された。
アブレーションは各コンポーネントの寄与を確認し、実世界の多目的ボットネットのケーススタディは実用性を示している。
関連論文リスト
- GrOIL: Graph-Grounded Domain Ontology Induction with Constrained LLM Mediation [1.029029220360574]
ドメイン文書を制約のない生成ステップなしで完全なWeb Ontology Language (OWL) Terminological Box (TBox)に変換する7段階のグラフ基底パイプラインを提案する。
オントロジー成長分析は、大規模な語彙飽和と一致する証拠を提供し、パイプラインが大きなドキュメントコーパスから安定で再利用可能なドメイン表現を生成することを示す。
論文 参考訳(メタデータ) (2026-08-22T23:15:47Z) - Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。
本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
論文 参考訳(メタデータ) (2026-08-15T13:19:25Z) - Weave of Formal Thought [51.56484100374058]
WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。
本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。
Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
論文 参考訳(メタデータ) (2026-06-24T15:58:11Z) - Hybrid Fuzzing with LLM-Guided Input Mutation and Semantic Feedback [0.0]
本稿では,静的および動的解析をLarge Language Model(LLM)誘導入力変異と意味フィードバックと統合したハイブリッドファジリングフレームワークを提案する。
本手法は,最先端のファジィよりも高速な時間対第一のバグ,意味的多様性の向上,およびユニークなバグの競合数を実現する。
論文 参考訳(メタデータ) (2025-11-06T02:38:24Z) - XML Prompting as Grammar-Constrained Interaction: Fixed-Point Semantics, Convergence Guarantees, and Human-AI Protocols [0.2864713389096699]
我々は、(i)文法制約付きデコード、(ii)階層的プロンプトの格子上の固定点意味論、(iii)収束型人間とAIの相互作用ループを統一するXMLプロンプトの論理第一処理を開発する。
数学的に完全な証明を提供し、我々のフレームワークを文法に整合した復号化、検証の連鎖、プログラム的プロンプトの最近の進歩に結びつける。
論文 参考訳(メタデータ) (2025-09-09T23:03:53Z) - Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。
その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。
本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
論文 参考訳(メタデータ) (2025-08-28T13:00:28Z) - Localizing Factual Inconsistencies in Attributable Text Generation [74.11403803488643]
本稿では,帰属可能なテキスト生成における事実の不整合をローカライズするための新しい形式であるQASemConsistencyを紹介する。
QASemConsistencyは、人間の判断とよく相関する事実整合性スコアを得られることを示す。
論文 参考訳(メタデータ) (2024-10-09T22:53:48Z) - Guiding the PLMs with Semantic Anchors as Intermediate Supervision:
Towards Interpretable Semantic Parsing [57.11806632758607]
本稿では,既存の事前学習言語モデルを階層型デコーダネットワークに組み込むことを提案する。
第一原理構造をセマンティックアンカーとすることで、2つの新しい中間管理タスクを提案する。
いくつかのセマンティック解析ベンチマークで集中的な実験を行い、我々のアプローチがベースラインを一貫して上回ることを示す。
論文 参考訳(メタデータ) (2022-10-04T07:27:29Z)
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。