2022 · 会议论文
利用学习得到的变量名称与类型增强反编译输出
Augmenting Decompiler Output with Learned Variable Names and Types
提出 Transformer 模型 DIRTY，根据反编译代码和布局信息推荐变量名与类型，并提供用于训练和评估的 DIRT 语料。
研究范围与局限
原始流程围绕 C 程序和 Hex-Rays 输出构建。预测名称与类型是模型推断，不保证与原始符号一致。正式论文发表于 2022 年，arXiv 预印本首次提交于 2021 年。
与本合集的关联
将名称恢复扩展到类型恢复，直接帮助评估二进制分析助手添加的语义注释。
发表与复核详情
- 发表载体
- USENIX Security 2022
- 发表状态
- 会议论文
- 出版／提交日期
- 2022 年 8 月
- 日期依据
- USENIX 论文集 BibTeX 记录中的出版月份。
- arXiv 首次提交
- 2021 年 8 月 13 日
- arXiv
- 2108.06363
- 已复核的 arXiv 版本
- v1
年份与出版月份来自正式 USENIX 会议记录，不以较早的 arXiv 提交日期代替。
来源复核于
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。