# 超越 C：基于神经机器翻译的可重定向反编译
> BTC（Beyond The C）将反编译视为从编译器输出的 x86-64 汇编到源码的纯文本翻译，分别在汇编与源码上训练字节对编码分词器，并使用标准 fairseq Transformer。它借助编译器输出的 CFI 与行号指令配对函数，而非依赖特定语言的解析器、编译器插件或提升器，因此同一流程可针对 Go、Fortran、OCaml 与 C 重新训练。训练集规模从小型 C、Go 与 Fortran 语料的约 10,000 个函数，到基于 Debian 软件包构建的 200 万个 C 函数不等。在大型 C 数据集上训练的最佳模型，在留出函数上的归一化平均编辑距离为 0.46。
- 作者：Iman Hosseini; Brendan Dolan-Gavitt
- 原标题：Beyond the C: Retargetable Decompilation using Neural Machine Translation
- 发表载体：Workshop on Binary Analysis Research (BAR) 2022
- 发表状态：会议论文
- 出版／提交日期：2022 年（具体日期未核实）
- 日期依据：Internet Society 向 Crossref 提交的元数据仅给出出版年份 2022；出版方 PDF 另列研讨会日期为 2022 年 4 月 24 日，本条目不据此推定出版月份或日期。
- arXiv 首次提交：2022 年 12 月 17 日
- arXiv：2212.08950
- 已复核的 arXiv 版本：v1
- DOI：10.14722/bar.2022.23009
- 来源复核于：2026-10-18
- 收录于：2026-10-19
- 原始论文：
- PDF：
- 代码：
- BibTeX：
- 目录页面：
- 记录 JSON：
- 英文版：[English](https://awesomerea.org/papers/paper-beyond-the-c/index.md)
## 研究范围与局限
评测在函数层面覆盖四种语言，仅以与原始源码的归一化编辑距离评分；未报告编译、测试或语义等价检查，也未评估完整程序的反编译。作者指出该方法无法保证语义正确，尚不能用于真实代码：即便最佳分数也意味着大约一半的函数词元需要修改。输入是保留标签与 CFI 指令的编译器生成 x86-64 汇编，因此对去符号二进制的反汇编、其他架构以及不输出此类指令的编译器均不在评测范围内。序列长度限制排除了较长函数，小型语料主要来自编程竞赛题和小型工具代码。与 Katz 等人的比较引用的是该工作在更短代码片段上报告的分数，而非在相同数据上重新运行。
## 与本合集的关联
补充在 C 之外的 Go、Fortran 与 OCaml 上评测、并采用语言无关数据流程的神经反编译研究，与本节中聚焦 C 语言的神经网络及大语言模型反编译研究互补。
## 发表与复核说明
NDSS 论文页面列出 Iman Hosseini 与 Brendan Dolan-Gavitt（纽约大学），并链接 PDF 与演示幻灯片；Crossref 给出相同的两位作者，仅记载年份 2022。PDF 页脚标明 BAR 2022 于 2022 年 4 月 24 日在圣迭戈举行，并载有 ISBN 1-891562-76-2 与 DOI。arXiv v1（2022-12-17）是唯一版本，发布于研讨会之后，并链接 BAR DOI。论文的可用性章节给出存放代码、数据与训练模型的 figshare 链接。该链接为私有分享链接：脚本请求收到 HTTP 202 质询，而浏览器显示一个名为“Beyond the C - data & code”的条目，标注为私有分享、CC BY 4.0、修改于 2022-01-04，含 btc.zip（18.98 GB）与 additional.zip。
## 一手来源
1.
2.
3.
4.
5.
6.
## 关于此条目
已依据论文及一手来源复核。请通过原始论文或 BibTeX 引用原作者。
原创说明采用 MIT 许可；外部项目、论文与素材保留各自的权利和许可。