PulseAugur
实时 22:26:34
English(EN) Constraint-Guided Multi-Agent Decompilation for Executable Binary Recovery

LLM智能体通过约束引导改进二进制反编译

研究人员开发了一个名为约束引导多智能体反编译(MCGD)的新型多智能体框架,以改进从已编译二进制文件中恢复可执行源代码。该系统采用分层验证流程,使用LLM生成的测试用例检查语法正确性、可编译性和行为等价性。当检测到错误时,专门的LLM智能体根据结构化反馈迭代地优化代码,显著提高了反编译代码的实用性。该框架在各种反编译器上的可重执行性方面表现出显著的改进,并且优于现有的基于LLM的反编译方法。 AI

影响 提高了反编译代码的实用性,可能改进软件安全分析和遗留系统维护。

排序理由 这是一篇详细介绍新的二进制反编译框架的研究论文。

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 →

LLM智能体通过约束引导改进二进制反编译

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yifan Zhang, Xiaohan Wang, Yueke Zhang, Kevin Leach ·

    Constraint-Guided Multi-Agent Decompilation for Executable Binary Recovery

    arXiv:2604.23940v1 Announce Type: cross Abstract: Decompilation -- recovering source code from compiled binaries -- is essential for security analysis, malware reverse engineering, and legacy software maintenance. However, existing decompilers produce code that often fails to com…