# 反编译 x86 深度神经网络可执行文件 > BTD（Bin to DNN）将深度学习编译器生成、已剥离符号的 64 位 x86 可执行文件反编译为模型规格：算子类型、网络拓扑、维度与参数。学习得到的分类器把反汇编函数标注为 DNN 算子，Intel Pin 动态分析将算子串联起来，再在经污点分析裁剪的执行轨迹上进行符号执行，借助针对各算子的模式恢复维度与参数布局。作者在 PyTorch 中重建恢复出的模型并重新编译，以便与原可执行文件比较行为。 - 作者：Zhibo Liu; Yuanyuan Yuan; Shuai Wang; Xiaofei Xie; Lei Ma - 原标题：Decompiling x86 Deep Neural Network Executables - 发表载体：USENIX Security 2023 - 发表状态：会议论文 - 出版／提交日期：2023 年 8 月 - 日期依据：USENIX 论文页面的 BibTeX 将第 32 届 USENIX Security 研讨会论文集的出版时间列为 2023 年 8 月。本条目保留月份精度，不以 8 月 9–11 日的会议日期代替具体出版日；2022 年的 arXiv 日期属于扩展版预印本。 - arXiv 首次提交：2022 年 10 月 3 日 - arXiv：2210.01075 - 已复核的 arXiv 版本：v2 - 来源复核于：2026-10-20 - 收录于：2026-11-02 - 原始论文： - PDF： - 代码： - BibTeX： - 目录页面： - 记录 JSON： - 英文版：[English](https://awesomerea.org/papers/paper-btd/index.md) ## 研究范围与局限 评测仅覆盖由 TVM v0.7、v0.8、v0.9.dev（-O0 与 -O3）、2020–2022 年的三个 Glow 快照以及 NNFusion v0.2/v0.3 生成的 64 位 x86 可执行文件；GPU、加速器及其他架构的可执行文件只作讨论，未被反编译。方法假定反汇编与函数恢复完全正确（论文使用 IDA Pro 7.5），且编译来源已知；维度与参数模式需针对各算子人工设计：需要此类模式的 36 个 ONNX 算子中覆盖了 22 个，不含 QLinearConv 等量化算子。作者报告在来自七个计算机视觉模型和 FastText 的 65 个可执行文件中，有 59 个得到正确规格；一个 TVM -O3 ResNet18 卷积算子的参数布局需借助真实标签人工修正，NNFusion 也只能编译其自带的 VGG11。重新编译后的行为仅在 100 张 ImageNet 图片或 50 条人工构造的 FastText 输入上比较，并未证明对全部输入一致。未评测经过混淆的可执行文件。 ## 与本合集的关联 将反编译从 C/C++ 程序扩展到已编译的机器学习模型，从优化后的本机代码中恢复可重建的高层规格。 ## 发表与复核说明 USENIX 论文页面的 BibTeX 确认了五位作者的顺序、论文集名称、页码 7357–7374 以及 2023 年 8 月。arXiv v2（2022-10-04；v1 为 2022-10-03）是作者 25 页的扩展版，19 页的正式论文以其补充省略的细节；本条目中的数据以正式论文为准。论文链接的 monkbai/DNN-decompiler 仓库在所审阅的提交 33227a0（2026-03-13）中采用香港科技大学的 Academic Software License，仅允许学术或非营利研究使用，商业用户需联系该机构；GitHub 未识别出 SPDX 许可证。README 列出的前提包括 Ubuntu 18.04、Python 3.6.9+、PyTorch 1.9+、Intel Pin 3.14，以及可选的 IDA Pro 7.5；IDA Pro 为商业软件且未随附，仓库改为提供反汇编结果。作者称完整评测需要单线程记录轨迹超过一周、占用近 1 TB 存储，因此产物通过 Docker 镜像与 Dropbox／Zenodo 压缩包提供过滤后的轨迹。Zenodo 数据集 DOI 10.5281/zenodo.7219867（CC BY 4.0）标识的是产物而非论文。README 中 63 个可执行文件的评测只覆盖 TVM 与 Glow，未包括论文中的两个 NNFusion 构建，并说明产物获得 Available、Functional 与 Reproduced 徽章。 ## 一手来源 1. 2. 3. 4. 5. 6. 7. 8. ## 相关条目 - [BTD（Bin To DNN）DNN 可执行文件反编译器](https://awesomerea.org/zh/resources/btd-dnn-decompiler/index.md) · 精选资源 ## 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。