Endogenous Interpretation
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
#reverse-engineering
共收录 39 条相关情报。
← 返回所有主题Echo: Learning-based Matching Decompilation using Trusted Back Translation
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
Exploring Widevine for Fun and Profit.
本文针对广泛部署于数十亿设备上的闭源数字版权管理（DRM）系统 Widevine 展开内部机制研究，重点聚焦 Android 平台。研究动机在于：随着 Netflix、Prime Video 等 OTT（Over-the-Top）平台内容消
Decomperson: How Humans Decompile and What We Can Learn From It.
反编译是逆向工程中的核心环节，也是恶意软件分析、漏洞研究等工作的重要前置步骤。虽然自动化反编译器能够将低级指令转换为近似的高级语言，但面对混淆、内联和隐晦的API使用，产出的伪代码经常难以阅读，仍需分析师花费大量精力进行人工梳理。既有研究主
Long-Range Indirect Control-Flow Prediction in Stripped Binaries via Dual Virtual Hubs and Multi-Task Graph Learning
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。ICFlowN
Reveree: Diagnosing LLM Reverse-Engineering Agents
该论文提出了一种名为 Reveree 的诊断框架，用于深入评估大型语言模型（LLM）代理在逆向工程（RE）任务中的表现。当前社区通常使用 CTF（Capture-the-Flag）逆向工程挑战作为衡量标准，但仅凭是否拿到 flag（解题率）
DnD: A Cross-Architecture Deep Neural Network Decompiler.
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,
Protocol Prying: Systematic Vulnerability Research in the AirDrop and Android Quick Share Proximity Transfer Protocols.
该论文对 Apple AirDrop 和 Google/Samsung Quick Share 两种近场文件传输协议进行了首次跨平台的逆向工程与协议感知模糊测试研究。这两种协议被超过 50 亿台设备使用，但由于实现均为专有且未公开文档，其应
CHISEL-ing Back Source Code with AI-enabled Iterative Recovery
本论文提出 CHISEL，一个无需测试套件的迭代式源码恢复框架，旨在改进二进制反编译的质量。传统反编译器（如 Ghidra）生成的伪 C 代码难以阅读且通常无法直接编译；而近年来基于大语言模型（LLM）辅助的反编译方法虽然能生成可读性较好的
Oxidizer: Toward Concise and High-fidelity Rust Decompilation.
本论文（arXiv 论文，标题为《Oxidizer: Toward Concise and High-fidelity Rust Decompilation》）提出了一款名为 Oxidizer 的 Rust 反编译工具或框架，旨在解决 Ru
Disa: Accurate Learning-based Static Disassembly with Attentions.
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
The Next Challenge for Agentic Cybersecurity: A Realistic, Contamination-Free Reverse Engineering Benchmark
这篇论文针对 AI 智能体在网络安全领域的逆向工程（RE）能力评估问题，提出了一个全新且严格的基准测试 SRE-Bench。研究背景是：AI 智能体在源代码可用时已展现出强大的安全分析能力，但实际中许多关键软件（如恶意软件、固件、专有应用）
S12X Patch Diffing with QBinDiff
该论文针对一款商用车制动电子控制单元（Brake ECU）的固件更新开展了逆向工程与差异二进制分析研究。作者首先分析了更新程序（updater executable）以提取其中包含的固件镜像，随后使用 QBinDiff 工具对基于 S12X
Pretraining on Call Graphs: When Binary Analysis Tasks Profit From Context
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
FidelityGPT: Correcting Decompilation Distortions with Retrieval Augmented Generation.
反编译是将机器码转换为人类可读格式的关键技术，在缺少源码时辅助分析与调试。然而，反编译结果存在保真度问题，影响可读性和准确性。现有方法如变量重命名和结构简化只能部分解决，尤其在复杂的闭源二进制场景下，缺乏有效的检测和校正。为此，我们提出 F
LiftFuzz: Validating Binary Lifters through Context-aware Fuzzing with GPT.
本文提出 LiftFuzz，一个用于验证二进制提升器正确性的新型框架。二进制提升器将二进制代码翻译为中间表示（IR），广泛应用于逆向工程、二进制安全分析等场景，但其开发过程复杂且易出错。现有验证方法主要关注单条指令的正确性，忽略了指令间的交
Decompiling the Synergy: An Empirical Study of Human-LLM Teaming in Software Reverse Engineering.
该论文首次系统性地研究了大型语言模型（LLM）在软件逆向工程（SRE）中与人类分析师的协作效果。研究分为两部分：首先通过一项包含153名从业者的在线调查，记录了当前LLM在SRE领域的应用现状；随后设计了一项精细的人类实验，选取两个具有CT
TRex: Practical Type Reconstruction for Binary Code.
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）。
When Binaries Talk Back: Representation-Confusion Attacks on LLM-Assisted Reverse Engineering
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
Side-Channel-Assisted Reverse-Engineering of Encrypted DNN Hardware Accelerator IP and Attack Surface Exploration.
深度神经网络（DNN）在众多应用领域中展现出卓越性能，随着模型规模与复杂度的增长，硬件DNN加速器日益普及。基于FPGA的DNN加速器兼具接近专用集成电路（ASIC）的效率与出色的灵活性，成为快速演进的深度学习实现的主要硬件平台之一，尤其在