两篇新研究论文提出了使用大型语言模型（LLM）对二进制函数进行基准测试和恢复源代码的方法。第一篇论文REFORGE介绍了一个管道，用于构建可靠的地面真实数据以供LLM在二进制分析中进行评估，并强调了编译器优化和对齐不确定性带来的挑战。第二篇论文提出了一个实用的管道，结合了逆向工程、基于锚点的源代码检索和LLM推理，以从数据库中识别源函数，而不是生成伪代码。这两种方法都旨在提高LLM在逆向工程和软件安全中的准确性和可靠性。 AI
影响 通过提供更好的评估和恢复方法，提高了LLM在软件安全和逆向工程方面的能力。
排序理由 两篇学术论文介绍了LLM在软件逆向工程中应用的新方法。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.07738v1 Announce Type: cross Abstract: Large language models (LLMs) are increasingly applied to reverse-engineering tasks, and recent threat-intelligence reporting shows them operating inside live offensive-security workflows. Claims about their capability, however, ou…
arXiv:2607.09452v1 Announce Type: cross Abstract: We present a practical pipeline for recovering source code from stripped binary functions by combining reverse engineering, anchor-based source code retrieval, and large language model reasoning. Our binary-to-source-code retrieva…
We present a practical pipeline for recovering source code from stripped binary functions by combining reverse engineering, anchor-based source code retrieval, and large language model reasoning. Our binary-to-source-code retrieval method attempts to identify the source function …