# FidelityGPT：利用检索增强生成纠正反编译失真
> FidelityGPT 对现有反编译器输出进行后处理：由大语言模型为代码行标注六类失真（如非常规解引用、冗余变量和令人困惑的控制流），再改写被标注的行。其提示词定义各失真类型，并从人工标注的 IDA Pro 与 Ghidra 失真代码行数据库中检索增强上下文。语义强度算法负责选择用于查询的代码行，变量依赖分析则在 50 行分块之间传递冗余变量上下文。作者在 620 对函数上报告检测准确率 89%、精确率 83%，纠正的修复率（FR）为 94%、正确修复率（CFR）为 64%，而他们运行的 DeGPT 分别为 83% 和 37%。
- 作者：Zhiping Zhou; Xiaohong Li; Ruitao Feng; Yao Zhang; Yuekang Li; Wenbu Feng; Yunqian Wang; Yuqing Li
- 原标题：FidelityGPT: Correcting Decompilation Distortions with Retrieval Augmented Generation
- 发表载体：NDSS 2026
- 发表状态：会议论文
- 出版／提交日期：2026 年（具体日期未核实）
- 日期依据：Internet Society 提交的 Crossref 元数据与 NDSS 官方论文标明出版年份为 2026；不根据 2026 年 2 月 23–27 日的会议日期推定更精确的出版日期。
- arXiv 首次提交：2025 年 10 月 22 日
- arXiv：2510.19615
- 已复核的 arXiv 版本：v1
- DOI：10.14722/ndss.2026.230989
- 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-fidelitygpt/index.md)
## 研究范围与局限
620 对函数大多取自二进制相似性数据集中 Coreutils、curl、ImageMagick、OpenSSL、PuTTY 与 SQLite 的构建产物，经 IDA Pro 7.5 在 -O0 下反编译，覆盖 ARM-32、MIPS-32 与 x86-32，另含 x86-64 的 TheAlgorithms/C 代码；另有 -O1–-O3 与 Ghidra 数据集用于检验泛化能力。真实标签与 FR／CFR 均由作者团队依照论文标准人工评估。修复率统计的是被标为已修复的行，并非语义等价证明：作者指出修复后的代码往往无法重新编译或执行。纠正阶段以整个函数为单位，函数较长时效果可能下降；失真数据库由 150 行 IDA Pro 与 91 行 Ghidra 代码构建，可能遗漏较少见的异常。主要结果使用温度为 0.5 的 GPT-4o，仍具随机性；DeepSeek-chat 与温度为 0 的结果另行报告。无法排除这些开源项目出现在训练数据中的可能。
## 与本合集的关联
补充基于大语言模型检测并纠正反编译输出失真的方法，与 DeGPT 式输出优化和端到端大语言模型反编译互补。
## 发表与复核说明
八位作者的顺序以 NDSS 论文页、PDF、Crossref 及 arXiv v1 为准，arXiv 记录载有相同 DOI。PDF 页脚标注 ISBN 979-8-9919276-8-0；Crossref 未列出页码。论文参考文献 [31] 指向作者仓库的 2025-09-07 提交。仓库没有许可证文件；其数据集包含来自第三方项目的反编译函数与源码，这些项目保留各自许可证。该快照包含检测与纠正脚本、提示词模板、两套失真数据库、七组带真实标签的反编译函数以及检测评估脚本；未在其中找到 -O1–-O3 与 Ghidra 评估集。README 要求人工合并分块检测的输出，并说明纠正结果须依照论文表 I 人工评估。配置面向兼容 OpenAI 接口的 GPT-4o 端点，温度为 0，并固定 LangChain 0.1 与 Chroma 依赖版本。
## 一手来源
1.
2.
3.
4.
5.
6.
7.
8.
9.
## 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。