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。