本文研究如何将差分模糊测试（differential fuzzing）应用于 x86-64 指令解码器的错误发现。传统模糊测试依赖崩溃、挂起或内存访问错误作为 oracle，而差分模糊测试将同一输入在不同实现之间的行为差异作为潜在错误信号。作者提出了 MISHEGOS，一个新颖的差分模糊测试器，专门用于发现指令解码器之间的解码差异。MISHEGOS 的架构包括一个过近似（overapproximated）的机器指令模型，用于在变长指令架构上滑动生成测试用例，从而高效探测解码器的边界行为。该工具每小时可在普通硬件上生成数亿条解码器测试用例。作者在不依赖硬件解码器作为 ground truth 的情况下，利用 MISHEGOS 在多个流行的 x86-64 指令解码器中发现了数百个错误。此外，MISHEGOS 提供了一个可扩展的分析框架，使用户能够针对单个解码器发现错误，或在多个解码器之间分析各种不一致。论文还讨论了解码错误和不一致的安全影响，例如可能导致反汇编器、二进制分析工具或安全产品在生产环境中产生误判。作者以宽松许可证公开了 MISHEGOS 的源代码。本文的主要贡献包括：首次系统性地将差分模糊测试应用于指令解码器领域；提出了一种针对变长指令集的滑动模糊策略；构建了高吞吐量的测试生成与差异分析框架；并通过实验证明了该方法在发现真实解码器缺陷方面的有效性。适合从事二进制分析、反汇编器开发、模糊测试和安全工具研发的研究人员与工程师阅读。

该论文是一篇系统化知识（SoK）研究，聚焦于真实世界场景下的多层间接调用分析。间接调用（如通过函数指针、虚函数表或跳转表进行的调用）是现代二进制程序（尤其是C/C++代码）中控制流完整性问题的主要来源，也是攻击者篡改控制流、实施面向返回编程（ROP）等攻击的重要目标。现有研究提出了大量间接调用分析技术，但大多在理想化基准或受限环境中评估，缺乏对真实软件生态中复杂性的系统考量。本文首次系统性地梳理并比较了多层间接调用分析技术（包括静态分析、动态分析、混合分析以及基于类型推导、值集分析、指针分析等不同原理的方法），重点讨论各技术在面对真实世界二进制程序——如编译器优化产生的间接跳转、内联汇编、动态生成代码、虚拟调用、异常处理中的跳转表等——时的准确性、召回率与性能开销。论文还构建了涵盖常见真实开源项目的评测基准，对多种代表性分析工具（如CodeSonar、SVF、Andersen指针分析等）进行了统一评估，揭示了现有方法在精度与可扩展性之间的显著权衡。此外，作者提出了多层分析框架的概念：结合粗粒度的类型匹配与细粒度的流敏感分析，通过分层过滤来降低误报率同时保持可接受的召回率。实验结果表明，单纯依赖单一层次的分析在真实世界二进制上往往失效，而多层协同能够显著提升可用性。该文提供了亲历性的实践指南，包括如何选择分析策略、如何处理不透明谓词与混淆代码，以及如何将分析结果集成到控制流完整性（CFI）加固流程中。适合从事二进制分析、漏洞挖掘、编译器安全与CFI研究的学者和工程师阅读。

该论文提出了一种名为 Disa 的基于学习的静态反汇编方法，旨在解决反汇编中指令边界和函数边界识别这一核心难题。传统反汇编方法依赖文件格式假设和架构特定启发式规则来猜测边界，在二进制文件被混淆时容易出现不完整或错误的反汇编结果。近年来，深度学习方法已被证明能提升反汇编的准确性和效率。Disa 利用超集指令（superset instructions）信息，通过多头自注意力机制（multi-head self-attention）学习指令之间的相关性，从而推断函数入口点和指令边界。此外，Disa 还能识别与内存块边界相关的指令，辅助基于块内存模型（block-memory model）的值集分析（value-set analysis），以生成更精确的控制流图（CFG）。实验表明，Disa 在函数入口点识别上优于先前的深度学习方法，在分别经过反汇编失同步（disassembly desynchronization）技术和流行源码级混淆器处理后的二进制上，F1 分数分别提升了 9.1% 和 13.2%。在内存块精度方面，Disa 实现了 18.5% 的提升，相比最先进的基于启发式的方法，平均间接调用目标数（AICT）减少了 4.4%，从而生成更准确的 CFG。该研究适用于漏洞检测、恶意软件分析、二进制加固等安全场景，适合逆向工程和二进制分析方向的研究者与工程师阅读。

本文面向无源码场景下的 AArch64 机器码漏洞检测问题，提出了一种基于数字孪生（Digital Twin）的可解释检测方法。传统二进制分析手段往往依赖符号执行或模糊测试，计算开销大且难以覆盖多步利用模式；同时很多现有工具只报告孤立的危险指令，无法给出完整上下文。该方法首先在虚拟机或模拟器中具体执行目标程序，记录寄存器、处理器标志、内存内容以及活跃分配块的完整状态，将每条指令转换为包含指令名称、操作数值和后指令状态的跟踪事件。漏洞模式被形式化为带测试的 Kleene 代数（KAT）中的符号规则，每条规则由事件序列和针对机器状态的谓词构成，因此可以表达跨多条指令的复杂行为。这些规则被编译成有限自动机，在扫描跟踪时无需调用 SMT 求解器，保证了效率。实验覆盖了三个典型 CWE：整数溢出（CWE-190）、空指针解引用（CWE-476）和堆缓冲区溢出（CWE-122）。系统在预定义漏洞样本上成功检出全部三类漏洞，且对安全样本不产生误报。每次检测结果均包含触发的规则、跟踪位置和具体状态数值，从而提供可复现、可解释的漏洞定位依据。其主要贡献在于：提出面向 AArch64 二进制程序的数字孪生跟踪模型，引入 KAT 规则表达漏洞模式，并设计了无需 SMT 的自动机扫描机制，显著提升了检测结果的可理解性。适合从事二进制分析、固件安全以及漏洞挖掘的研究人员与蓝队工程师阅读。

本文针对二进制函数嵌入模型（binary function embedding models）中引入调用图（call graph）上下文信息所带来的影响展开系统剖析。此类模型通过将二进制代码片段映射为向量表示，服务于代码搜索、漏洞检测、恶意软件分类等逆向工程任务。现有方法大多仅以函数本身为输入，忽略了函数间的调用关系；部分工作尝试通过图结构信息增强嵌入，但对其效果缺乏深入评估。 作者以两个当前最优的二进制函数嵌入模型为基础，利用多种基于图的模型（如GNN）将过程间上下文融合进函数嵌入，并在多个基准上对比了有无上下文时的表现。实验结果显示：(1) 调用图增强确实能提升二进制代码相似性检测（BCSD）的精度，但这种提升并不能自动转化为下游语义或句法任务的增益；(2) 模型在语义相似性任务上优化时，往往会导致句法任务性能的下降，表明二者存在权衡；(3) 通过数据集的解释性分析，作者发现调用图上下文显著增强了嵌入的稳定性，尤其在原始模型表现不佳的困难场景下，鲁棒性提升尤为明显；(4) 上下文信息对命名空间相关函数（如库函数）的嵌入帮助更大，而对逻辑独立型函数的贡献有限，表明调用图的价值高度依赖于使用场景。 该研究首次系统性地解构了调用图增强在二进制函数嵌入中的局限性与适用条件，为后续设计更有效的上下文感知嵌入式模型提供了实证依据和方向指引。

该论文题为《Operation Mango: Scalable Discovery of Taint-Style Vulnerabilities in Binary Firmware Services》，由亚利桑那州立大学等机构的研究者撰写。根据标题和作者信息判断，本文聚焦于二进制固件服务中污点风格漏洞（如命令注入、路径遍历、内存破坏等）的可扩展自动发现方法。由于仅提供论文元数据而无摘要内容，无法获取具体的架构设计、实验数据集或对比基线。但可以推断，论文可能提出了一种静态分析或混合分析技术，针对固件中的服务程序（如 Web 接口、网络守护进程）进行污点追踪，以发现从不可信输入到敏感操作的污点数据流。作者团队包括多位知名二进制分析专家，如 Ruoyu Wang（Fish）和 Yan Shoshitaishvili，表明工作具有扎实的技术深度。该研究对固件安全分析师、漏洞挖掘工具开发者具有参考价值，可能为嵌入式设备安全评估提供可扩展的自动化分析框架。但具体方法细节、工具可用性和实验效果需阅读原文确认。本摘要基于标题和作者推断，建议读者获取原文以了解完整贡献。

该论文提出了一种名为 SymQEMU 的新技术，旨在实现对二进制程序的编译型符号执行。传统符号执行通常采用解释执行方式，性能较低；近年提出的编译型符号执行在拥有源代码时可显著提升性能，但依赖源代码限制了其应用范围。SymQEMU 基于 QEMU 动态二进制翻译框架，通过修改目标程序的中间表示（IR），在将其翻译到宿主架构之前注入符号执行逻辑，从而将符号执行能力直接编译进二进制程序。这种方法既保留了编译型符号执行的性能优势，又无需源代码，并保持了架构无关性。论文的核心贡献是首次在二进制层面实现编译型符号执行，扩展了该技术对闭源软件或遗留系统的适用性。实验部分（论文正文中）通常需对比传统符号执行引擎的性能，并评估其对真实程序的分析效率。该工作对漏洞挖掘、程序分析和模糊测试等安全研究方向具有参考价值，适合从事二进制分析、符号执行引擎开发或安全研究的人员阅读。

本文针对Microsoft Office对象链接与嵌入（OLE）规范中存在的安全弱点展开研究。OLE作为标准化的跨应用对象嵌入协议，虽然简化了复合文档（如Word中嵌入Excel表格）的数据交换，但其设计本身模糊了第一方代码与第三方代码之间的信任边界，导致可能被恶意利用的意外库加载和解析漏洞。作者通过对历史OLE漏洞的深入分析，归纳出三类关键漏洞类型，并设计实现了OLExplore——一款专门用于Office OLE对象安全评估的新型工具。该工具能够对不同类型的OLE对象进行动态分析与验证。作者在多个Windows操作系统版本上进行了评估，共计发现26个确认漏洞，其中17个被分配CVE编号且均具备远程代码执行潜力。本文的研究方法、工具及发现为理解OLE安全风险提供了系统性视角，并为安全从业者检测和防御相关威胁提供了实用依据。

该论文提出名为 TYGR 的系统，利用图神经网络（GNN）对剥离后的二进制文件进行类型推断。在逆向工程中，二进制文件通常经过编译优化且被剥离符号信息，导致变量类型丢失，给漏洞分析和恶意软件检测带来困难。TYGR 通过将二进制代码的中间表示构建为图结构，结合节点特征（如指令操作码、操作数类型等）和边特征（控制流、数据流依赖），训练 GNN 模型来预测每个变量的原始类型（如整数、指针、结构体等）。实验在多个真实世界数据集（包括不同编译器和优化级别的二进制）上进行，结果表明 TYGR 在类型恢复准确率上显著优于现有基于规则或传统机器学习的方法，尤其在处理复杂指针和结构体类型时表现突出。该工作不仅提升了二进制分析的自动化程度，还为后续的漏洞挖掘、恶意软件行为分析等任务提供了更可靠的类型信息基础。

本文提出了一种名为TRex的实用二进制代码类型重建方法。二进制代码缺乏类型信息，给逆向工程和安全分析带来困难。TRex通过结合静态分析和动态执行轨迹，利用符号执行和约束求解技术，从二进制代码中推断出变量的原始类型（如整数、指针、结构体等）。该方法设计了一套类型约束系统，能够处理常见的编译器优化和混淆，并在多种架构（x86、ARM）上验证了有效性。实验结果表明，TRex在重建类型准确率上优于现有工具（如TIE），且性能开销可接受。该工作对于恶意软件分析、漏洞挖掘和程序理解具有重要价值。

该论文提出 CryptoBap，一个用于验证加密协议二进制代码安全属性的平台。研究背景是：现实中的加密协议实现可能因编译器优化、平台差异或编程错误而引入安全漏洞，而传统的形式化验证方法通常针对高级语言或协议规范，难以直接分析编译后的机器码。核心问题是如何在二进制层面自动验证协议的弱保密性和认证属性。方法上，CryptoBap 首先将 ARMv8 和 RISC-V 架构的协议二进制代码反编译为中间表示（IR），然后执行密码感知的符号执行，自动提取覆盖所有执行路径的协议模型。符号执行过程支持间接跳转解析和基于循环总结技术的有限循环处理，完全自动化。提取的模型通过第三方工具链转换为 ProVerif 或 CryptoVerif 可接受的输入格式，从而利用这些成熟的自动验证器完成安全属性证明。论文证明了该方法的可靠性（soundness），并通过多个案例验证了平台的有效性，包括玩具示例以及真实协议 TinySSH（SSH 实现）和 WireGuard（现代 VPN 协议）。实验结果表明，CryptoBap 能够成功提取协议模型并验证安全属性，且运行效率可接受。该工作的主要贡献在于：1）首个结合二进制翻译、密码感知符号执行和自动验证器链的集成平台；2）针对 ARMv8 和 RISC-V 指令集的支持；3）对真实世界协议的成功验证。适合的研究读者包括形式化验证、二进制分析、加密协议实现安全性领域的研究人员。

该论文提出 REFORGE 方法，旨在系统评估大型语言模型（LLM）在反编译二进制函数命名中的逆向工程能力。当前 LLM 在逆向工程中的应用日益增多，甚至有威胁情报报告显示它们已被用于真实攻防场景，但现有基准测试存在根本性问题：它们将函数级 ground truth 的构建视为已解决的预处理步骤，而忽略了编译器优化导致的二进制与源代码对齐不可靠性。作者认为，公平评估的主要障碍不是模型能力，而是对齐可靠性。为此，REFORGE 设计了一个带有完整来源追踪的流水线，从 C 源代码出发，经过编译、DWARF 调试信息提取、语法提取、对齐和反编译，最终构建函数级 ground truth。该流水线将对齐不确定性量化为一个八级置信漏斗和三层分级机制。在受控微基准测试中，高置信度样本的产出率从 87.2% 降至 65.9%（随优化级别变化），且非配对比较会因幸存者偏差高估优化导致的性能衰减。最后，对七个当代 LLM 在函数命名任务上的概念验证评估展示了该方法的效果，并推动了对不确定性感知基准测试实践的重视。

该论文对二进制代码相似性检测（BCSD）在真实世界漏洞检测中的应用进行了大规模的实证研究。固件是物联网设备的核心，其开发高度依赖第三方库（TPL），这虽然加速了开发过程，但也引入了相关漏洞。BCSD通过比较代码片段对来识别固件中的漏洞，是一种有效技术。然而，现有研究要么仅在小规模数据集上评估性能，要么在漏洞、TPL和固件多样性方面不足，导致缺乏对BCSD在真实世界漏洞检测中全面理解。为填补这一空白，作者基于来自200个供应商的60,000个固件镜像，使用BCSD进行大规模漏洞检测研究。该研究并非提出新模型，而是考察四个关键因素对BCSD性能的影响：易受攻击函数版本、漏洞搜索空间、函数大小和编译工具链。结果表明，这些因素显著影响性能，且差异较大。为解决此问题，作者提出了一种构建感知查询策略，从真实世界的代表性二进制文件中派生查询，有效缩小差距，将平均倒数排名（MRR）从0.818提升至0.981。此外，他们还证明了一种TPL感知的两阶段搜索过程，通过限制搜索空间，将MRR进一步提高18.5%。该论文的主要贡献在于系统性地揭示了影响BCSD性能的关键因素，并提出了实用的优化策略，为固件安全漏洞检测提供了重要的实证依据和方法指导。适合安全研究人员、固件分析师和从事二进制分析的工作者阅读。

在二进制逆向工程中，函数名是理解程序行为的关键线索，但剥离二进制文件（stripped binaries）中丢失了符号信息。现有方法通常利用静态特征或控制流图进行函数名预测，但忽略了代码执行过程中的动态语义和上下文敏感信息。本文提出 SymLM（Symbol Learning through Language Models with Execution Awareness），一种结合静态分析、动态执行轨迹和语言模型的全新框架，旨在为剥离二进制中的函数自动生成语义丰富的名称。该方法首先通过轻量级二进制插桩收集函数粒度的执行轨迹，提取内存访问模式、系统调用序列等运行时行为特征；同时利用静态反汇编构建上下文敏感的代码嵌入（包括调用上下文、数据依赖关系）。然后，设计一种双编码器架构：一个编码器处理静态控制流与数据流图，另一个编码器处理动态执行序列，两者通过注意力机制融合形成统一表示。最后，将该表示输入基于 Transformer 的解码器，以自回归方式预测函数名。在包含常用库和恶意软件样本的大规模数据集上，SymLM 在 top-1 准确率和命中率上均显著优于现有基线（如 DEEPMEM、Asm2Vec），尤其在处理复杂的系统级函数和混淆代码时表现出强鲁棒性。实验还证明，模型能够泛化到未见过的新二进制和编译器版本。该工作为自动化逆向分析、漏洞发现和恶意软件分类提供了实用的辅助工具，展示了将运行时语义融入代码表示学习的巨大潜力。

Spectre 漏洞利用微架构推测执行机制窃取敏感信息，自 2018 年公开以来给密码库等关键软件带来严重威胁。现有检测方法面临两大挑战：推测路径导致的状态空间爆炸，以及不同编译阶段可能引入新的 Spectre 漏洞。本文提出一种名为 Haunted RelSE 的优化技术，旨在实现二进制级别可扩展的 Spectre 漏洞检测。Haunted RelSE 是一种关系符号执行优化，通过语义等价的变换，将显式的推测探索转化为更高效的隐式关系推理，从而大幅减少需探索的路径数量。作者在符号分析工具中实现了该技术，并在针对 Spectre-PHT（条件分支误预测）和 Spectre-STL（存储到加载转发）的两个 litmus 测试集上进行了全面评估。实验结果表明，Haunted RelSE 相比现有最先进技术和工具，能发现更多违规，且可扩展性更优。此外，将该工具应用于真实世界的密码库时，发现了之前未知的漏洞。特别值得注意的是，研究发现标准防御措施 index-masking（用于阻止 Spectre-PHT）以及 gcc 编译位置无关可执行文件（PIE）的常用选项（如 -fPIE）会引入新的 Spectre-STL 违规。作者提出并验证了 index-masking 的一种修正方案，以消除该问题。本文适合安全研究人员、编译开发者及密码库维护者阅读。

该论文提出了一种新颖的 AI 增强静态分析方法，旨在弥合传统静态分析中启发式方法与完备性之间的鸿沟，为实用的逆向工程提供可靠解决方案。逆向工程面临诸多挑战，如代码与数据交织、缺少名称/类型/栈帧、编译器激进优化以及各种混淆技术。传统静态分析工具依赖基于启发式的策略，但易受特定模式限制且泛化能力不足。近年来，AI 技术在从低级表示中预测高级语义结构方面展现出潜力，例如通过深度学习模型推断丢失的编译时信息。然而，纯 AI 方法在安全关键的二进制分析中往往难以保证完备性和可靠性。为此，论文提出了 AI 与静态分析的协同框架：用 AI 替代脆弱的启发式规则以增强泛化能力，同时利用静态分析提供的最佳努力完备性来强化 AI，满足安全应用的严格要求。研究聚焦于三个在学术研究和现有工具中服务不足的关键逆向工程任务：指令边界识别、函数边界识别以及控制流图（CFG）的构建，特别是针对间接调用目标的解析。最终目标是开发一个端到端的反汇编框架，实现 AI 与静态分析的深度融合。实验部分预期将展示该方法在准确性和完整性上优于现有纯静态或纯 AI 方案。该工作适合二进制安全分析师、逆向工程师以及编译器/静态分析工具开发者阅读。

现代操作系统的攻击面如同一个巨大的干草堆：包含数千个已签名的二进制文件和数百万个函数，其中绝大多数与任何特定漏洞无关。人类分析师或LLM代理必须先挑选出值得阅读的函数，然后才能进行分析。在整个操作系统范围内，目标选择（而非分析）成为了制约瓶颈。本文提出了Symbolicate-Enrich-Sample（SES）管道，这是一个低成本的批量处理流程，能够将一批生产环境中的Windows二进制文件转化为可查询、按优先级排序的研究队列。具体步骤包括：(i) 通过自动获取公共符号文件并关联恢复的调用图，为被剥离符号的供应商二进制文件恢复函数级符号；(ii) 为每个命名函数附加廉价、确定性的结构特征，并基于这些特征使用低成本语言模型分配可达性层级、风险等级、漏洞类别假设和推理依据；(iii) 通过优先级加权重要性采样器抽取多样化、优先化的批次。该管道的主要贡献在于提供了一个选择基底：下游检测器或LLM代理可以在此优先层级之上运行。在整个包含7,231,419个函数的Windows镜像上，标签具有显著的选择性，通过堆叠确定性过滤器，最终留下约22,000个函数的短名单：即候选的“针尖”，数量足够人类或代理逐一处理。论文还描述了管道的选择性、失败模式、方法学，并报告了汇总统计数据；出于法律和双重用途原因，未提供导出的数据集。

该论文提出了一种名为BPA的二进制级指向分析框架，旨在解决商业现货（COTS）二进制程序中控制流完整性（CFI）实施的关键挑战——构建高精度控制流图（CFG）。由于缺失符号和类型等源码级信息，间接调用（indirect call）的目标推断尤为困难。现有的二进制级指向分析技术（如值集分析VSA）虽能推断间接目标，但存在两大缺陷：一是无法扩展到大型程序，二是设计上过度保守导致CFG精度低。BPA采用若干关键技术：块内存模型（block memory model），将内存划分为块并执行内存访问分析，以提升可扩展性与精度的平衡。实验评估表明，BPA在不引入假阴性的前提下，相比当前最先进的技术实现了34.5%的精度提升。该方法为二进制级CFI的实用化提供了新思路，特别适用于缺乏源码的遗留或第三方二进制程序的安全加固。

该论文提出了ASSEMBLAGE-DEEPHISTORY，一个跨构建的二进制数据集，旨在弥补现有二进制语料库缺乏时间维度、跨编译多样性以及CVE标签组合的不足。数据集包含73,610个二进制文件，涵盖248个开源项目，使用GCC、Clang和MSVC编译器，在Linux和Windows平台上以多种优化级别编译，并包含跨多年的历史构建。每个二进制文件都通过数据库索引，关联其源代码、函数、调试信息、变体构建、历史版本以及易受攻击的函数。论文通过三个分析展示了该数据集的价值：一是设计了一个三阶段的LLM基准测试（识别、策略引导检测、跨构建迁移），用于测试LLM是否真正推理二进制漏洞还是仅匹配构建特定的模式；二是比较了MalConv嵌入、jTrans函数嵌入和TLSH模糊哈希在不同包版本的聚类效果；三是通过贝叶斯回归将二进制相似性分解为时间距离、文件变更和提交等贡献因素。该论文适合二进制安全分析、漏洞研究、机器学习应用于逆向工程领域的研究人员阅读。

本文提出了一种名为 PalmTree 的汇编语言模型，用于生成通用指令嵌入。传统的指令嵌入方法未能充分捕捉反汇编代码的独特特性，例如忽略指令内部的复杂结构（如操作码、操作数、寻址模式等），并且主要依赖控制流作为上下文信息，而控制流容易受到编译器优化影响，导致噪声大、不稳定。为了克服这些问题，PalmTree 采用自监督预训练方式，在大规模无标签二进制语料库上学习，通过三个预训练任务来捕获汇编语言的不同特征：掩码指令建模（预测被遮盖的标记）、指令内结构建模（学习操作码与操作数之间的关系）、以及指令间关系建模（利用控制流和数据流中的上下文关系）。这些任务使得模型能够生成高质量、通用且鲁棒的指令嵌入向量。作者进行了内在评估（如嵌入相似性、聚类质量）和外在评估（应用于函数边界检测、二进制代码搜索、函数原型推断、值集分析等下游任务），实验结果表明 PalmTree 在内在指标上表现最佳，并且在所有下游任务中均优于其他指令嵌入方案。该研究为深度学习在二进制分析中的应用提供了更有效的指令表示方法，有助于提升相关工具的准确性和泛化能力。

本文提出 Veritas，一个基于语义的二进制内存破坏漏洞检测框架。针对剥离二进制文件中恢复对象语义、跨过程传播和可行触发条件的难点，Veritas 结合了三个关键组件：首先，一个基于 RetDec 提升的 LLVM IR 的静态切片器，重构包括 def-use、调用、返回、全局变量和指针操作在内的值流关系，生成紧凑的、带有证据支持的流对象；其次，一个双视角大语言模型检测器，通过反编译的 C 代码和精选的 LLVM IR 分步推理，关注控制流、边界和对象对应关系，避免全局传播；最后，一个多智能体验证器，通过引导式调试、断点检查和内存检查预言机来确认或拒绝候选漏洞。Veritas 实现为模块化流水线，在真实世界二进制漏洞基准上评估，达到 90% 的召回率。在误报评估中，对 623 个检测候选进行穷举验证和人工审计，穷举部分无假阳性，额外审计确认两个假阳性。实际应用中，Veritas 发现了一个此前未知的 Apple 漏洞并获得 CVE。该工作表明语义基础化作为实用二进制漏洞检测的操作设计原则的可行性。

本文提出 SLYP，一种端到端智能体管道，用于在 Windows 组件对象模型（COM）二进制文件中发现竞争条件漏洞并生成经调试器验证的利用证明（PoC）。COM 服务以高权限运行且对认证用户广泛可用，其中的竞争条件是本地权限提升的关键攻击面。SLYP 将二进制探索、COM 检查和动态调试封装为可重用的工具接口，使智能体能够获取静态上下文、COM 激活元数据和调试器反馈，从而从漏洞发现过渡到可验证的 PoC 生成。在包含 20 个 COM 对象、40 个漏洞案例的基准测试中，SLYP 的 F1 值达到 0.973，比生产级编码智能体最高提升 0.208，比最先进的静态分析器在漏洞发现上提升 3.3 倍。在 PoC 生成方面，生产级编码智能体在默认配置（无 COM 检查和动态调试工具）下几乎无法验证任何案例，而 SLYP 的交互式工具集使其在最强配置下能够自主合成 67.5% 案例的有效 PoC。在真实生产 Windows 服务中部署后，SLYP 发现了 9 个 COM 服务中的 28 个先前未知漏洞，全部得到微软安全响应中心（MSRC）确认，并分配了 16 个 CVE 和 14 万美元奖金。此外，SLYP 的设计包含可泛化的二进制分析和调试接口，可轻松应用于其他商业现成（COTS）二进制文件。该研究展示了基于智能体的方法在复杂二进制漏洞挖掘中的巨大潜力，将大型语言模型与专用工具结合，实现了从发现到 PoC 验证的全自动化。

本文提出 SACK（Systematic Generation of Function Substitution Attacks Against Control-Flow Integrity），一种系统化生成函数替换攻击的方法，旨在绕过控制流完整性（CFI）保护机制。CFI 通过限制程序执行路径为预期合法路径来防御控制流劫持攻击，但近年研究表明攻击者仍可通过合法间接调用函数来绕过 CFI，例如通过替换函数指针或虚函数表。SACK 自动分析目标二进制程序，识别可被利用的合法间接调用点，并生成能够将控制流转移到攻击者选定函数的输入。该方法利用污点分析和符号执行技术，在 CFI 策略允许的范围内构造满足条件的函数替换 payload，从而实现对程序行为的恶意篡改。实验在多个真实世界程序（如 Web 服务器、文本编辑器等）上进行，证明了 SACK 能够有效生成绕过现有 CFI 实现的攻击，并揭示了当前 CFI 策略在细粒度上的不足。

该论文深入研究了函数内联（function inlining）对基于机器学习的二进制分析安全任务的影响。函数内联是编译器优化中常见的技术，但极端内联可能显著改变二进制代码的统计特征，从而影响依赖这些特征的机器学习模型的性能。作者针对五个关键安全任务进行了系统评估：二进制相似性检测（T1）、函数名预测（T2）、恶意软件检测（T3）、恶意软件家族预测（T4）和漏洞检测（T5）。他们构建了包含不同编译配置和极端内联行为的二进制数据集，并复用了TikNib等特征提取管道。实验结果表明，极端内联会导致ML模型的准确率大幅下降，特别是在依赖函数边界和调用图结构的任务中。论文提供了完整的代码、数据集和脚本，以便复现实验。该研究揭示了当前ML驱动的二进制分析工具在面对编译器优化时的脆弱性，为提升其鲁棒性提供了重要见解。

本文研究非标准ARM二进制文件的数据-代码分离问题。传统的二进制分析依赖于标准头部信息来区分代码和数据区域，但非标准或混淆的二进制常常缺失或篡改头部，导致现有方法失效。作者提出了一种基于伪标签的半监督学习方法，通过从二进制文件的结构特征中自动生成伪标签来训练分类器，无需依赖完整头部信息。实验使用真实世界的ARM恶意软件和良性样本，验证了该方法在数据-代码分离任务上的有效性，显著优于基于头部规则的基线方法。该工作为逆向工程、固件分析和恶意软件检测提供了更鲁棒的预处理步骤，特别适用于嵌入式设备和IoT环境中的非标准二进制。

该论文提出了 REBENCH，一个用于评估大型语言模型（LLM）在二进制逆向工程任务中性能的标准化基准数据集。当前，LLM 在计算机安全领域，尤其是逆向工程中的函数名恢复、变量名恢复和类型推断等任务上取得了显著进展。然而，由于缺乏标准化的数据集，不同研究使用不同的数据集、预处理流程和评估指标，导致结果难以公平比较，也阻碍了对 LLM 在二进制分析中能力的清晰认识。REBENCH 旨在解决这一问题，它整合了现有多个数据集的超集，包含数亿行源代码以及跨多种架构（如 x86、ARM）和优化级别的多样化二进制文件。该方法基于知识库驱动，通过存储字节级堆栈信息来生成真实标签（ground truth），从而在保持任务难度的同时确保通用适用性。这种设计避免了可能引入偏见的简化，使得跨不同任务的评估更加公平。作为用例，作者使用 REBENCH 测量了多个 LLM 在逆向工程任务上的表现，结果显示在复杂任务上仍存在困难。该基准为研究人员提供了一个统一、可复现的评估平台，有助于推动 LLM 在二进制分析领域的进步。