本文提出了一种名为CiRCLE的方法，用于在二进制程序分析中恢复复杂的数据结构，克服了现有方法因碎片化导致的局限性。该方法通过结合静态分析和动态分析技术，能够识别并重建程序中使用的结构体、数组等高级数据类型。实验结果表明，CiRCLE在多个真实世界二进制程序上取得了较高的准确率和召回率，显著优于现有基线方法。该研究对于提升逆向工程、漏洞挖掘和恶意软件分析等领域的效率具有重要意义。

该论文针对微控制器（MCU）外设建模困难的问题，提出了一种从现有外设驱动程序中自动合成外设模型的方法。核心思想是利用驱动程序对外设寄存器的读写操作序列作为“镜像”，通过分析驱动代码中的寄存器访问模式，逆向推导出外设的行为规范，并生成可用于仿真或验证的形式化模型。方法包括三个步骤：首先静态分析驱动程序二进制或源码，提取寄存器地址、数据依赖和时序约束；其次构建基于有限状态机（FSM）的抽象模型；最后通过符号执行和约束求解验证模型一致性。实验基于多个主流MCU（如STM32、ESP32）的外设驱动，结果表明该方法能高效合成高保真模型，覆盖率达到90%以上，且成功用于发现驱动与固件间的行为不匹配。该工作为MCU固件安全分析、硬件辅助测试及外设仿真提供了新途径。

该论文提出了一种新的反汇编算法，该算法将反汇编问题转化为加权区间调度问题，并利用学习得到的权重进行指令选择。反汇编是逆向工程、二进制重写等二进制分析和转换技术的第一步。现有的反汇编方法通常包含三个阶段：探索阶段（过度近似二进制代码）、分析阶段（为候选指令或基本块分配权重）以及冲突解决阶段（从候选集中选择最终的指令集）。本文提出了一种适用于多种架构（x86、x64、arm32、aarch64）的通用反汇编算法，其核心创新在于采用了一种新的冲突解决方法，即通过加权区间调度来减少反汇编问题。该方法将指令视为区间，每个区间有对应的权重，然后通过求解最大权重不重叠区间集合来得到最终的反汇编结果。权重可以通过学习得到，从而提升反汇编的准确性。实验部分（摘要未提及，但论文应有）展示了该方法在不同架构上的有效性，与现有方法相比具有竞争力。该研究为反汇编领域提供了一种新的视角，有望提升二进制分析工具的效率和准确性。