# 通过深度迁移学习进行协议逆向工程

> 将 Tshark 标注的标准协议流量中的字段边界模式迁移到文档不足的目标协议。先选择相关源协议，再通过神经网络领域适应模型依据共享模式推断消息语法。

- 作者：Yanyang Zhao; Zhengxiong Luo; Wenlong Zhang; Feifan Wu; Yuanliang Chen; Fuchen Ma; Qi Xu; Heyuan Shi; Yu Jiang
- 原标题：Protocol Reverse Engineering via Deep Transfer Learning
- 发表载体：Proceedings of the ACM on Software Engineering / FSE 2026
- 发表状态：期刊论文
- 出版／提交日期：2026 年 6 月 30 日
- 日期依据：采用 ACM 向 Crossref 登记的纸质／在线出版日期，作者托管手稿仍保留占位出版元数据。
- DOI：10.1145/3797124
- 来源复核于：2026-10-20
- 收录于：2026-10-20
- 原始论文：<https://doi.org/10.1145/3797124>
- PDF：<https://dl.acm.org/doi/pdf/10.1145/3797124>
- BibTeX：<https://awesomerea.org/papers/citations/paper-transre.bib>
- 目录页面：<https://awesomerea.org/zh/papers/paper-transre/>
- 记录 JSON：<https://awesomerea.org/papers/paper-transre/record.json>
- 英文版：[English](https://awesomerea.org/papers/paper-transre/index.md)

## 研究范围与局限

恢复的是消息语法，而非状态转换。评估采用 12 种协议变体；载荷噪声可能干扰源协议选择，加密、压缩或混淆流量需要另行预处理。摄像头实验补充格式指标，但四个报告问题为厂商已知问题，也不证明协议已完整恢复。

## 与本合集的关联

补充无需解析器源码、利用迁移学习恢复未公开消息格式的方法。

## 发表与复核说明

该工作发表于 2026 年 6 月，作为近六个月的强相关补充。全文来自共同作者 Fuchen Ma 明确链接的公开 PDF，不采用其中二月日期或占位 DOI 作为最终元数据；出版商 PDF 此前返回 403。Crossref 确认九位作者、卷 3(FSE)、636–656 页及正式版本 CC BY 4.0 许可。未核实作者关联的实现发布或代码许可。

## 一手来源

1. <https://api.crossref.org/works/10.1145/3797124>
2. <https://fcorleone.github.io/publications/>
3. <https://conf.researchr.org/details/fse-2026/fse-2026-research-papers/77/Protocol-Reverse-Engineering-via-Deep-Transfer-Learning>

## 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。