一篇新论文探讨了使用思维链（CoT）提示来提高大型语言模型反混淆代码的能力，特别关注控制流混淆技术。该研究评估了五种最先进的模型，发现CoT提示显著增强了控制流图的结构恢复和程序语义的保持。GPT5表现出最强的性能，与零样本提示相比，在重构和语义保持方面取得了显著的进步，这表明CoT引导的LLM可以辅助逆向工程任务。 AI
影响 CoT引导的LLM在协助复杂的代码反混淆方面显示出潜力，可能减少逆向工程中的手动工作。
排序理由 学术论文分析LLM在特定代码分析任务上的表现。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.15390v3 Announce Type: replace-cross Abstract: Code deobfuscation is the task of recovering a readable version of a program while preserving its original behavior. In practice, this often requires days or even months of manual work with complex and expensive analysis t…