AID：基于学习超集-学习递归算法的轻量级拆解技术

《ACM Transactions on Software Engineering and Methodology》：AID: Lightweight Disassembly via Learning-Superset-Learning-Recursive Algorithm

　　

摘要AI总结

要查看此由AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

反汇编依然是二进制分析任务的基础，但仍然面临着诸多影响精度、召回率或速度的挑战。在本文中，我们提出了一种名为AID的轻量级反汇编方法，能够在精度、召回率和速度之间实现有效平衡。该方法首先结合超集反汇编和基于学习的方法，以较高的召回率和精度识别出潜在的代码条目，然后再通过递归反汇编以高精度恢复指令。我们实现了AID的原型，并在包括真实世界的二进制文件、大型二进制文件以及复杂二进制文件在内的多种数据集上对其进行了测试。实验表明，AID在速度、精度和召回率方面都表现出色。其速度与IDA Pro和DeepDi相当，但远远快于Angr、Ddisasm、Ghidra和DASSA。在SPEC2017数据集上，与基准方法相比，AID将遗漏的指令（即假阴性）减少了1.68到148倍，将错误的指令（即假阳性）减少了1.49到1,243倍。

AI总结

AI生成的总结（实验性）

该总结是使用自动化工具生成的，未经文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章的相关性，以及帮助来自相关研究领域的读者理解这篇文章。它的作用是补充作者提供的摘要，而作者提供的摘要仍是文章的主要总结。完整文章才是最具权威性的版本。点击此处了解更多。

点击这里，可以对这个总结的准确性、清晰度和实用性发表意见。您的反馈将有助于改进未来的总结版本。

要查看此由AI生成的通俗语言总结，您需要拥有高级访问权限。