arXiv · AI· Simon Queyrut, Valerio Schiavoni, Giuseppe Antonio Di Luna, Daniele Cono D'Elia, Leonardo Querzoni, Pascal Felber·· 3 天前AI 评分23
LLM 在代码去混淆标识符恢复中的评估:更多上下文并非总是有益
More Context, Mixed Results: Evaluating LLMs for Identifier Recovery and Code Deobfuscation
AI 导读
评估 Qwen、OLMo 和 DeepSeek 在 Java 代码去混淆任务中的表现,LLM 在标识符检测和语义恢复上优于传统基线方法。 Agent 检索使检测 $F_1$ 达到 91.56%,但精确恢复率整体仅为 16.42%;更大的方法上下文反而阻碍语义恢复,控制流混淆的影响超过字符串加密。 研究为逆向工程师选择去混淆模型和上下文策略提供了实用洞察。
来源:arXiv · AI · arxiv.org