该论文提出「内生解释」(endogenous interpretation) 这一理论视角,主张程序、解释器、机器以及派生的执行语言并不是彼此分离的语义对象,而是同一个可执行状态转移关系的不同参数化形式。作者进一步指出,每一种具体实现都携带一种「隐式约束偏置」,即由它的指令基 (instruction basis)、状态编码方式、控制转移机制以及有限基底 (finite substrate) 所施加的结构性限制。基于这一视角,论文认为在操作语义层面常被使用的「语义鸿沟」(semantic gap) 隐喻具有误导性:一个保持语义的变换并不能够消除执行所必需的计算量,它只能把这份计算重新分配( redistribute )到另一个状态空间与另一种转移粒度之上,作者将这一现象命名为「语义扩散」(semantic diffusion)。由此,逆向工程被重新刻画为「恢复一个更低复杂度的语义收缩」(semantic contraction),即从一个给定实现的高粒度转移结构中抽取出等价的、复杂度更低的语义表示。论文给出了首个定量化的实例:对于在互模拟 (bisimulation) 意义下可观测的有限状态实现,该收缩是规范的 (canonical),并且可以在近乎线性时间内计算出来,从而导出一个与具体抽象层次无关的「扩散比率」;对于确定性实现,该结论可进一步扩展到迹等价 (trace equivalence);对于在迹意义下可观测的非确定性实现,作者讨论了最小收缩问题(摘要在此处截断)。总体贡献在于:提供了一套统一程序与解释器的形式框架、给出了语义扩散的可计算度量,并为逆向工程建立了复杂度理论层面的刻画。适合形式化方法、程序语言理论、二进制分析与逆向工程方向的研究者与工程师阅读。

该论文研究的是将大语言模型（LLM）引入恶意软件分诊流程后新出现的一类攻击面。当前越来越多的安全团队把 LLM 当作"推理组件"，用来自动汇总静态分析证据（如导入表、节区信息、字符串、签名等），并直接输出面向分析师的结论或严重度评级。作者指出，正是这种"理解自然语言与上下文"的能力，使模型可以被非代码层面的语义信息操纵。论文提出 ALIBI（Adversarial Legitimacy Injection in Binary Input against LLM Malware Analyzers），一种针对前沿 LLM 恶意软件分析器的"语义掩护故事"攻击：攻击者只在已编译的二进制中追加一个体积很小、不会被执行、只读的节区，其中写入一段逻辑自洽但完全虚假的"安全产品叙事"（例如声称该程序是某端点安全工具的组件）。该注入不修改导入表、不改变程序的可执行行为，因此对传统基于行为或静态特征的检测几乎不产生影响。与直接向模型下指令的越狱式提示注入不同，ALIBI 不发出任何指令，而是把可疑证据"重新框定"为某个良性终端安全产品的预期行为，从而诱导模型自行给出良性结论。在冻结的 50 个恶意 PE 样本集上，该方法使 Gemini 2.5 Pro 将 35 个基线判定为恶意的样本中的 30 个翻转为良性；GPT-5.5 Pro 与 Claude Opus 4.7 即使保留了恶意标签，也出现明显的严重度降级与置信度大幅下降。该攻击可迁移到 ELF 平台，Gemini 在 40 个样本中翻转了 16 个。作者还评估了一种"验证引导"的防御提示，可将良性误判大约减半，但仍有 42.9% 的恶意样本被判为良性。结论是：LLM 恶意软件分析器需要建立"来源可信度"机制，把可验证的事实与攻击者可控的自述性主张严格区分，而不是依赖叙事可信度。适合从事 LLM 安全、恶意软件分析自动化、SOC 分诊流水线以及 AI 红队评估的研究者与工程师阅读。

本文提出 Echo，一个基于“可信反向翻译（trusted back-translation）”的匹配式反编译系统。研究背景是：神经反编译器虽能从二进制中恢复可读、可重新编译的源代码，但其输出缺乏可信度保证——模型可能生成语义上与原始程序不一致的代码，而使用者难以察觉。匹配式反编译（matching decompilation）试图通过另一种方式建立信任：搜索一份源代码，使其在重新编译后生成的汇编与目标二进制的汇编完全一致，一旦精确匹配成立，就等于提供了较强的正确性证据。问题在于，面对经过优化的二进制且编译配置未知（优化级别、编译器版本、编译选项、内联策略等都可能未知）时，做到逐指令精确匹配极为困难。Echo 的核心洞察是把“编译”从单纯的验证手段升级为可信反馈信号，用于引导迭代式搜索：系统首先用一个领域专用模型生成候选程序及其可能的编译配置；随后对这些候选逐一重新编译，度量其汇编与目标汇编的相似度，并据此合成更有希望的“代码—配置”组合，形成搜索闭环；对于仍然存在的差异，Echo 依次采用基于规则的改写、神经网络精化以及基于推理的精化三个阶段逐步修复不匹配之处。评估方面，作者在函数级基准测试以及真实恶意软件二进制 Mirai 上进行了对比。结果显示：与最强基线相比，Echo 平均产生 2.43 倍的精确匹配，并在与真实源代码的结构相似度上取得最高分；在 Mirai 样本上，其成功匹配的函数数量分别是 GPT-5.6 与 Codex 的 2.75 倍和 7.4 倍。该工作的贡献在于：把编译反馈引入反编译搜索循环、用多阶段修复机制处理残余差异，并在真实恶意软件上验证了可扩展性。适合二进制逆向、恶意软件分析、遗留系统与固件审计方向的研究者与安全工程师阅读。（注：以上信息完全来自摘要，未包含正文的实验细节与消融分析。）

在无源码场景（如恶意软件分析、固件审计、嵌入式系统分析）中，对编译后程序进行漏洞检测的需求日益突出。然而，现有方法多依赖语法规律或较高层次的表示，不仅容易受编译器版本和优化选项变化的影响，也难以直接应用于汇编代码。为此，本文提出 SEMA-GUARD，一个结合语义分析与图神经网络（GNN）的汇编代码漏洞检测框架。其核心改进在于增强控制流图（CFG）的表示：在传统图结构基础上，加入程序在较低抽象层次上的执行信息，包括栈操作、内存访问和数据流，从而让模型能捕获仅靠统计或结构特征难以发现的缺陷模式。为了评估效果，作者构建了一个基于 Juliet Test Suite 的数据集，将每段源码先编译为汇编，再切分为函数级别的代码块。实验结果显示，该方法仅依赖统计或结构数据，即达到 85.1% 的准确率和 0.801 的 F1 分数。这表明在基于图的模型中融入低层语义信息，可能是识别编译代码漏洞的有效途径。该工作为二进制层面的漏洞检测提供了新思路，尤其适合缺乏源码的逆向与安全分析场景，但尚未披露具体的模型架构细节、跨编译器泛化能力以及实际部署开销，仍需进一步验证。

该论文针对二进制重编译（binary recompilation）这一核心技术领域提出了一个全静态的整程序提升（lifting）方案。二进制重编译的价值在于：无需源代码即可直接对可执行代码进行操作，从而自动化完成两项重要任务——为遗留二进制打补丁式地加装安全缓解措施（如 CFI、影子栈等），以及把二进制从一种指令集架构（ISA）迁移到另一种 ISA（例如从 x86-64 迁移到 AArch64）。然而目前并不存在能够可靠地把任意可执行文件提升为 LLVM IR 这类编译器中间表示的全自动系统，也不存在能够完整静态且可靠地把非平凡二进制从一种 ISA 翻译到另一种 ISA 的方案。作者指出，根本困难在于：静态恢复程序的完整控制流图（CFG）在一般情况下是不可判定的——计算型间接分支（computed branch）的跳转目标只有真正运行程序才能确定。现有系统因此不得不引入运行时回退（runtime fallback）机制，导致相当大一部分翻译运行时（translation machinery）必须随翻译后的程序一起部署在目标机器上执行，既增加开销，也削弱了“静态翻译”的初衷。 本文的核心方法是不再试图区分代码与数据（即不需要 code/data heuristics），而是把二进制中的每一个字节偏移都视为潜在的分支目标，以“暴力提升”（brute-force lifting）的方式对整个二进制进行转换，从而构造出一个保守但完整的超集 CFG（superset CFG），该 CFG 在保守意义上包含所有可行的控制流。对于那些静态无法解析的计算型分支，作者将其归约为对一张分发表（dispatch table）的查表操作，表中每一项指向对应的已翻译控制流路径，从而在目标端完全不需要运行时翻译支持。 作者实现了一个原型二进制重编译器，将 x86-64 二进制提升为 LLVM IR，并在此基础上做了完全静态的交叉编译验证：复用未经修改的现有 LLVM 后端，把程序静态地翻译到 AArch64。该工作宣称是首个不需要目标端运行时翻译支持的、全静态的整程序二进制提升系统，为遗留二进制的安全加固与跨 ISA 迁移提供了一条无需运行时开销的可行路径。适合二进制分析、程序加固、编译器与逆向工程方向的研究者和工程人员阅读。

本文针对剥离二进制中恢复间接控制流（ICF）边的问题。现有方法难以处理长距离依赖，隔离不同ICF类型，并常在易受标签噪声和数据泄漏影响的协议下评估。作者提出ICFlowNet，一个统一框架，用于剥离二进制的长程间接控制流预测。ICFlowNet引入候选感知的双虚拟枢纽：全局代码枢纽和全局数据枢纽，以创建远程代码与数据证据之间的短路由路径，并结合多任务图学习联合建模间接调用、间接尾部调用、跳转表和返回。为可信评估，作者开发了感知泄漏、控制噪声的流程，包括包级拆分、函数级助记符哈希去重，以及由动态正例和绝对负例构成的干净测试协议。利用该流程，他们构建了15,901个唯一剥离x86-64二进制的数据集，其中1,351个具有动态真实标签。实验表明，仅扩展静态监督收益有限，而结构设计和多任务设计至关重要：双虚拟枢纽将长程F1提升达9.13个百分点，多任务学习增加达5.81个百分点，最终模型在长程间接调用上比先前基线高出超过13个F1点，同时仅增加11.44%的拓扑开销。这项研究为二进制安全分析中的CFG重建提供了更精确、可扩展的解决方案，并建立了严格的评估标准。

本文提出了一种名为 VulHawk 的跨架构二进制代码搜索方法，用于检测固件中因代码复用而引入的漏洞。随着物联网设备的普及，不同架构、编译器和优化级别生成的固件镜像使得传统二进制比对方法难以适用。VulHawk 首先将二进制代码提升为一种与架构无关的中间表示（microcode），通过补充隐式操作数和修剪冗余指令来保留函数的主要语义；随后利用自然语言处理技术和图卷积网络生成函数嵌入。针对跨文件环境（编译器+架构+优化级别的组合）的相似性计算，作者采用分而治之策略，将 C 对 N 个文件环境的复杂问题分解为 N-1 个嵌入转换子问题，并提出一种基于熵的适配器，将不同文件环境中的函数嵌入转换到同一环境，以缓解环境差异带来的特征偏移。为了精确识别易受攻击的函数，作者还设计了渐进式搜索策略，通过补充细粒度特征来降低已修补函数造成的误报。实验在七种不同任务下评估了 VulHawk 的性能和鲁棒性，结果表明它优于 Asm2Vec、Asteria、BinDiff、GMN、PalmTree、SAFE 和 Trex 等现有方法。该研究适用于固件安全分析、漏洞挖掘和安全研究人员，尤其对物联网设备固件的未知漏洞发现具有参考价值。

本文提出 DnD, 一种跨架构的深度神经网络反编译器 (DNN Decompiler), 旨在解决传统反编译器 (如 Hex-Rays) 依赖人工编写规则、难以推广到新指令集架构的问题。核心方法是将不同架构的汇编指令统一 token 化, 并利用基于 Transformer 或 LSTM 的序列到序列 (Seq2Seq) 模型, 将汇编指令序列翻译为可直接阅读的 C 语言伪代码。针对跨架构带来的 token 空间差异, 该工作设计了架构敏感的嵌入表示和共享子词单元, 使模型能够从多个架构的混合数据中学习通用语义。训练数据通过编译优化选项多样化生成, 并利用注意力机制对齐汇编与源码。实验部分在 x86、ARM 等架构的二进制上进行了评测, 生成的伪代码在语法正确性和语义相似度上优于传统工具, 且显著减少人工逆向的工作量。该工作展示了深度学习在二进制逆向中的应用潜力, 为后续 AI 辅助漏洞分析提供了基础。适合二进制安全研究员、逆向工程师和 AI 安全交叉领域学者阅读。

这篇论文针对二进制程序模糊测试（binary-only fuzzing）中的覆盖率反馈质量不佳问题，提出了一种新的编译器级插桩方法，命名为“Breaking Through Binaries”（简称BTB）。传统上，对于没有源代码的二进制程序，模糊测试工具往往依赖动态二进制插桩（DBI）或静态重写来获取覆盖率信息，但这类方法通常带来显著性能开销，且难以捕获编译器优化后的复杂语义（如函数内联、控制流合并等），导致生成的覆盖率反馈不够精确，限制了漏洞发现能力。本文的核心创新在于利用编译器前端的高级中间表示（IR）来解析二进制文件，并重新生成高质量、语义丰富的插桩代码，在保持二进制兼容性的同时，实现接近源码级插桩的覆盖率精度。具体地，作者设计了一个编译器级二进制的插桩框架，能够从二进制中恢复结构信息，并插入针对基本块、边及关键指令（如比较、跳转）的探针，这些探针经过编译器的优化调度，极大减少了运行时开销。实验部分使用了多个真实世界的开源项目（如libpng, libtiff, jq等）以及不同架构（x86-64和ARM64）的二进制，对比了最先进的二进制仅模糊测试工具（如AFL++的QEMU模式、Zydis插桩等），结果显示BTB在覆盖率、崩溃发现数量和速度方面均有显著提升，部分场景下能达到甚至超越源码级插桩的效果。论文还探讨了该方法的局限性，例如对静态链接、混淆代码的适用性问题，以及未来扩展方向。总体而言，这项工作为缺乏源码的软件安全测试提供了一种更高效、更准确的插桩方案，适合二进制分析、漏洞挖掘和模糊测试领域的研究人员与安全工程师阅读。

本文是一篇系统化知识（SoK）论文，聚焦于真实世界中多层间接调用分析（Multi-Layer Indirect Call Analysis）的现状与挑战。间接调用（如通过函数指针、虚函数表、回调等）是现代二进制程序中常见的控制流转移方式，但其目标在静态分析时往往难以确定，因而成为漏洞挖掘、恶意代码分析和程序理解中的关键难点。论文对现有间接调用分析技术进行了全面梳理，将其划分为多个层次（如指令级、函数级、程序级等），并系统比较了不同方法在精度、召回率、可扩展性和实际可用性之间的权衡。作者通过实验评估了多种代表性工具在实际软件（包括操作系统内核、用户态应用等）上的表现，指出了当前方法在真实世界应用中的局限性，例如由于间接调用目标集合过大导致的误报、分析规模扩大带来的性能开销、以及动态特性（如内联汇编、动态代码生成）对静态分析的干扰。论文还总结了一套面向研究者和工程师的经验法则，帮助其选择适合特定场景的分析策略，并提出了未来研究方向，包括结合机器学习与符号推理、跨语言和跨架构的通用分析框架等。适合安全分析工具开发者、二进制分析研究者和编译器工程师阅读。

本文提出 MSILDiffer，一个基于 Microsoft 中间语言（MSIL）的安全补丁分析框架，旨在解决大型软件中安全补丁定位与理解困难的问题。传统补丁分析通常面向源代码或原生二进制，但在大型软件（尤其使用 .NET 技术栈的产品）中，直接对比源码或机器码往往受限于符号缺失、编译优化和代码规模。MSILDiffer 利用 MSIL 的稳定性和可读性，将补丁前后的程序集统一转换到 MSIL 层进行结构化对比，从而更准确地识别安全相关变更。作者在论文中阐述了框架的整体设计：包括程序集反编译、MSIL 规范化、差异提取与安全语义过滤等步骤。通过该方法，分析人员可以快速定位到实际修改的类、方法与指令序列，并过滤掉无关重构或格式调整。实验部分（论文中提及）验证了 MSILDiffer 在大型软件上能够有效减少人工审计范围，并提高补丁定位的准确率。该框架适合软件安全维护者、漏洞研究者和补丁分析工具开发者阅读，尤其适用于需要持续跟踪大型 .NET 软件安全更新的场景。

该论文提出了一种名为 Kestrel 的静态分析方法，用于在剥离符号、静态链接和优化后的二进制文件中识别标准化的基于格的抗量子密码算法 ML-KEM 和 ML-DSA。当前缺乏从编译后的二进制代码验证量子脆弱算法是否已被批准的量子安全算法替换的方法；现有密码发现工具依赖符号、库依赖和运行时行为，但这些信号在剥离和优化后均会失效。Kestrel 通过检测依赖的只读数据中的数论变换（NTT）常量表来定位算法，这些常量表是算法算术运算的基础。Kestrel 从公开的方案参数中提取指纹，并通过归一化和多重集匹配进行定位，同时在数学上分析了误报概率。实验在四种独立的实现谱系和所有构建变换（包括编译器级混淆）上，实现了 128/128 的召回率和零误报。在包含 6224 个二进制文件的生产 Linux 系统上应用 Kestrel，发现了 12 个未编目的包含 ML-KEM 的程序，其中包括 OpenSSH 密钥交换程序和容器管理栈；在一些程序中，抗量子代码是通过语言运行时进入生产环境的，而分发它们的项目并不知情。Kestrel 能够区分真实的抗量子实现与没有底层代码支持的宣传声明，将每个检测归因于其原始代码库，并在取证磁盘镜像试验中，从已删除二进制无法重建的未分配空间中恢复出一个检测结果。因此，Kestrel 为密码迁移保证、软件供应链检查和抗量子取证审查提供了实用基础。

本文是一篇关于二进制反编译技术在现代计算环境中的系统性综述。反编译作为软件工程与安全分析的基础技术，旨在将机器码或二进制程序还原为高级语言表示，广泛用于恶意软件分析、漏洞挖掘、遗留代码维护和软件可追溯性验证。近年来，随着机器学习（ML）方法的引入，反编译技术取得了显著进展，但也面临新的挑战。本文首先回顾了过去数十年间发表的反编译研究，并对当前研究方法进行了全面的分类学梳理，构建了一个包含静态分析、动态分析、语义恢复、类型推断、结构化重建以及基于神经网络的端到端反编译等类目的分类体系。随后，论文系统检视了评估指标、常用工具和基准数据集的使用趋势，揭示了当前评估实践中缺乏可靠真值（ground truth）和标准化基准的问题，这导致不同方法之间难以进行公平、可复现的比较。本文还讨论了现代反编译系统在指令集多样性、代码混淆、编译器优化差异等方面的鲁棒性痛点。最后，作者基于对现有文献的分析，指出了未来研究方向，包括构建统一基准、融合人工先验与神经模型、提升跨架构泛化能力，以及将反编译与程序修复、代码克隆检测等下游任务结合。对于安全工程师、二进制分析工具开发者以及从事软件逆向工程的研究人员而言，这篇综述提供了清晰的领域全景和关键开放问题的梳理，有助于理解该领域的技术演化和潜在突破口。

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。