# CHISEL：借助 AI 迭代恢复源码

> CHISEL 利用编译诊断及针对原函数的类型感知差分模糊测试改进 Ghidra 伪代码，并保留反例与候选历史。既有 I/O 样例用于保留评测，不提供给恢复循环。

- 作者：Varun Kohli; N Raghava; Biplab Sikdar; Dinil Mon Divakaran
- 原标题：CHISEL-ing Back Source Code with AI-enabled Iterative Recovery
- 发表载体：SURE @ ACM CCS 2026
- 发表状态：会议已接收
- 出版／提交日期：2026 年（具体日期未核实）
- 日期依据：作者的 arXiv 记录及论文页面报告已录用；未核实正式论文集出版。
- arXiv 首次提交：2026 年 8 月 28 日
- arXiv：2608.27981
- 已复核的 arXiv 版本：v1
- 来源复核于：2026-10-20
- 收录于：2026-10-20
- 原始论文：<https://arxiv.org/abs/2608.27981>
- PDF：<https://arxiv.org/pdf/2608.27981v1>
- 代码：<https://github.com/VarunKohli18/chisel>
- BibTeX：<https://awesomerea.org/papers/citations/paper-chisel-iterative-recovery.bib>
- 目录页面：<https://awesomerea.org/zh/papers/paper-chisel-iterative-recovery/>
- 记录 JSON：<https://awesomerea.org/papers/paper-chisel-iterative-recovery/record.json>
- 英文版：[English](https://awesomerea.org/papers/paper-chisel-iterative-recovery/index.md)

## 研究范围与局限

评估覆盖 120 个选定 ExeBench 函数、x86-64 的 O0–O3、有／无符号变体及固定的 Gemma4:31b 模型。反馈判定器仍会错误接受候选；有限模糊测试及保留测试不证明等价。签名恢复及基准可能进入预训练语料仍是限制。

## 与本合集的关联

补充循环内不依赖既有测试集的修正方法，并区分判定器接受与行为验证。

## 发表与复核说明

作者来源报告已被 SURE 2026 录用；手稿 DOI 仍是占位值，因此不填入正式论文集出版日期或 DOI。论文的筛选要求至少 200 个测试，固定版本 README 则写至少 100 个保留 I/O 样例，尚未确定与实际评估产物的精确对应。文章采用 CC BY 4.0，但所查根目录及 README 未确立代码／数据许可。

## 一手来源

1. <https://arxiv.org/abs/2608.27981v1>
2. <https://arxiv.org/html/2608.27981v1>
3. <https://www.dinil.net/publications>
4. <https://github.com/VarunKohli18/chisel/blob/855acb07d0ee69b759d91895e8b5a846291db5a5/README.md>
5. <https://api.github.com/repos/VarunKohli18/chisel/git/trees/ece4cc2b45641e4aa968f2343f165c5ca242d5da>

## 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。