该论文探讨了从二进制文件中恢复编译器来源信息（包括编译器家族、优化级别以及所应用的单个编译器pass）并用于增强安全任务的方法。现代编译器支持的复杂优化使得在多层次上恢复编译器来源成为可能。研究者利用来自超过27,000个使用LLVM 14编译的程序的数据，训练并评估了一个多标签编译器来源模型，该模型考虑了68个不同的编译器pass，平均F1分数达到84.4%。论文首先应用该模型来评估编译器引入的漏洞规模，在10个流行项目中识别出53个信息泄露缺陷。此外，研究显示多个编译器优化pass引入了大量功能代码重用小工具（gadgets），对安全性产生负面影响。除了漏洞检测，论文还评估了其他安全应用，包括利用恢复的来源信息验证Windows二进制文件中Rich header数据的正确性（用于取证分析），以及用于二进制分解任务（如第三方库检测）。该工作展示了编译器来源信息在多种安全场景中的实用价值，为二进制安全分析提供了新视角。

本文提出了一种基于大语言模型的模糊测试框架，旨在发现可编程逻辑控制器中的逻辑指令错误。该框架利用LLM生成有针对性的测试用例，通过分析PLC指令语义来触发深层逻辑缺陷。实验在多种PLC平台上验证了框架的有效性，成功检测到多个未知漏洞，展示了LLM在工控系统安全测试中的潜力。