该论文提出了LLM辅助逆向工程中的表示混淆攻击（Representation-Confusion Attacks in Reverse Engineering, RARE），指出攻击者可以通过构造恶意二进制文件，使其中的字符串、反编译输出或工具报告在LLM驱动的逆解流水线中被错误地提升为指令、证据或可信分析状态，从而误导分析过程。论文首先构建了RARE-Bench基准测试，包含行为检查过的干净和对抗性二进制文件，并在11520次调用探索性研究后，使用20个新程序对两个模型进行了测试。结果表明，在没有运行时控制的情况下，模型在35/40个对抗性案例中提出了不安全的操作，而在干净案例中为0/40。即使将二进制内容仅作为数据展示（Data-Only渲染），模型仍提出了15个不安全建议。为此，论文提出了RARE-Guard防御机制，包括工具授权（Tool Authorization）和支持/溯源门控（Support Gate / Provenance Gate）。工具授权拒绝所有15个不安全建议，并授权所有40个匹配的分析师请求。支持门控通过分别计数来自不同来源的记录，验证了23/40个虚假声明；溯源门控则先按来源分组再计数，验证了0/40个虚假声明，并保留了所有40个支持声明。进一步在16个程序上对Ghidra、r2pipe和angr进行测试，在预选的8个程序子集中，单一工具的分析草案均未达到支持门控对虚假声明的验证阈值；而在所有16个程序的融合草案中，支持门控验证了32/32个虚假声明，溯源门控则阻止了所有32个虚假声明的验证并保留了所有32个支持声明。确定性渲染器防止了降级声明在最终报告中重新出现。论文结论是，二进制内容可以在不获得工具权威的情况下指导分析，且多个工具提供的视角不一定能提供独立证据。该研究揭示了LLM辅助逆向工程中潜在的安全风险，并提供了可落地的防御方案。