English(EN) When LLM Decompilers Recompile More and Preserve Less

新研究发现LLM反编译器可能掩盖漏洞

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-07 04:00

一项新的研究论文介绍了一种评估大型语言模型（LLM）反编译器的Decompile-Diverge方法。传统的反编译器将未解析的代码留作占位符，但基于LLM的反编译器会生成干净的C代码，这些代码通常可以通过重新编译和执行测试。然而，该论文揭示，这些LLM反编译器可能会在没有明显错误的情况下改变代码行为，从而可能掩盖漏洞。Decompile-Diverge通过合成驱动程序并使用模糊测试来比较反编译代码的输出与原始代码的输出，从而检测到这些行为变化，发现即使在通过所有标准测试的情况下，仍有相当一部分函数的行为存在差异。 AI

影响强调了基于LLM的代码反编译中潜在的安全风险，需要新的评估方法来进行安全软件分析。

排序理由该集群包含一篇详细介绍LLM反编译器评估新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 32 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍LLM反编译器评估新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Chang Liu, Edward Raff, Kristopher Micinski · 2026-09-07 04:00

当大型语言模型反编译器重新编译并保留更少时

arXiv:2609.05370v1 Announce Type: cross Abstract: Decompilation recovers high-level source from compiled machine code and serves as a foundation for security tasks such as vulnerability detection and malware analysis. Traditional decompilers like Ghidra and Hex-Rays expose whatev…

本文如何被排名

报道来源 [1]

当大型语言模型反编译器重新编译并保留更少时

相关实体

相关话题