基于神经网络的二进制函数变量语义分析研究.pdfVIP

中原工学院硕士学位论文

摘要

当前互联网存在算法乱象问题，治理技术的缺乏对算法监管带来困难和挑战。在面

对无源代码的算法程序，从二进制代码中分析程序功能语义、理解算法意图，有助于识

别算法歧视、算法操控，进而实行算法治理。携带丰富信息的函数变量有助于算法语义

的理解。然而，二进制代码反编译后生成的伪C代码存在函数变量结构不完善、现有逆

向分析方案变量恢复特征提取单一的不足，导致二进制函数变量语义信息匮乏且变量名

恢复难度增加。为缓解上述不足，本文利用调试信息语义准确特征丰富和抽象语法树结

构清晰的优势，开展未剥离二进制函数的变量对齐和已剥离二进制函数的变量名恢复研

究工作，为分析算法意图、从源头上开展算法治理、维护网络与信息安全提供全新的思

路和手段。本文主要工作内容和研究成果如下：

1.针对反编译生成的伪代码函数变量信息结构不完善的问题，提出一种基于调试

信息的未剥离二进制函数变量对齐方法。首先提取调试信息中函数变量的名称、类型和

地址引用，接着对反编译结果进行过滤以剔除掉调试信息中不存在的变量，实现伪代码

上的变量对齐。最后基于变量对齐构建伪代码的抽象语法树，为二进制函数功能理解提

供技术支撑。实验结果表明，变量对齐研究成果显著提升了二进制函数名预测的准确率。

2.针对已剥离二进制函数变量名恢复任务中变量特征提取单一的问题，提出一种

基于伪代码变量多维特征的剥离变量名恢复方法。首先提取变量对齐伪代码中和变量密

切关联的上下文语义特征、结构特征和操作特征，接着对变量的多维特征采取不同的方

式生成嵌入表示，最后构建基于Transformer模型的变量预测翻译模型，学习多维特征

与真实变量名之间的关系，实现剥离变量名恢复。实验结果表明，该方法优于基线模型。

关键词：算法治理；逆向分析；调试信息；变量对齐；伪代码特征；神经网络

I

中原工学院硕士学位论文

Abstract

Atpresent,theInternethasalgorithmchaos,andthelackofgovernancetechnology

bringsdifficultiesandchallengestoalgorithmsupervision.Inthefaceofalgorithmprograms

withpassivecode,analyzingthefunctionalsemanticsoftheprogramandunderstandingthe

algorithmintentfrombinarycodecanhelpidentifyalgorithmdiscriminationand

manipulation,andthenimplementalgorithmgovernance.Thefunctionvariablescarryingrich

informationcontributetotheunderstandingofalgorithmsemantics.However,thepseudocode

generatedafterdecompilationofbinarycodehasshortcomingssuchasincompletefunction

variablestructureandsinglefeatureextractionforvariablerecoveryinexistingreverse

analysisschemes,resultinginalackofsemanticinformationforbinaryfunctionvariablesand

increaseddifficultyinvariablenamerecovery.Toalleviatetheaboveshortcomings,thispaper

takesadvantageoftherichsemanticfeaturesofdebugginginformationandt