人工智能大模型逆向工程微调代码模型【免费下载链接】LLM4DecompileReverse Engineering: Decompiling Binary Code with Large Language Models项目地址https://gitcode.com/GitHub_Trending/ll/LLM4Decompile点击查看免费下载本篇技术指南围绕 SK²Decompile 在 BringUpBench 基准上 O2 优化级别-O2的评估报告展开逐项解读报告中的总体统计、按基准Benchmark细分的三项指标Replacement / Build / Exec并结合 eval_infer_out.py 的源码实现说明这些数字是如何通过函数替换—重新编译—运行测试的闭环自动测量出来的。读完本文你将能够读懂并复现这份报告理解反编译模型在中等优化级别下的真实能力边界与失败模式。报告定位O2 级别在整体评估中的位置本报告O2_results.md属于 SK²Decompile 在 BringUpBench 上四个优化级别O0–O3评估报告之一。BringUpBench 是包含90 个自包含 C 程序的基准套件零外部库依赖仅依赖内置libmin库和 4 个系统调用因此非常适合在无头文件缺失、无库依赖干扰的条件下评估反编译质量。SK²Decompile 将所有程序在 O0–O3 四个级别上编译、反编译并执行验证共产生505 个函数其中经推理过滤后实际评估 1488 个函数并与工业级规则反编译器 IDA ProHex-Rays进行了对比详见 bringupbench README。O2 是编译器默认开启的常见优化级别内联、寄存器分配、常量折叠等变换会显著改变二进制形态是检验反编译器鲁棒性的关键难度档位。下表汇总了四个级别与 IDA Pro 的对照数据来自 bringupbench READMEOpt LevelFunctionsSK²Decompile CompilableSK²Decompile ExecutableIDA CompilableIDA ExecutableO038250.26%49.48%——O137940.90%39.05%——O236837.77%34.24%——O335931.75%29.53%——Avg148842.3%27.0%23.6%21.7%可以看出随着优化级别升高O0 → O3可编译率与可执行率单调下降这是符合预期的优化越激进原始源代码结构信息丢失越多。平均而言SK²Decompile 在全部 1488 个函数上取得42.3% 的编译率与 27.0% 的可执行率高于 IDA Pro 的 23.6% / 21.7%平均行数据取自论文 Section A.6 的 Table 8各优化级别的 IDA 基线在论文中未单独报告。O2 报告总体统计一次 100% 替换的完整评估O2 报告头部给出了本次评估的运行元信息与总体结果Timestamp20251119-170633Source JSONLmerged.O2.func_map.infer.jsonlTargethost原生 x86-64 LinuxTotal cases368Replacement success368100.00%Compilable13937.77%Executable12634.24%三个指标的含义依据 bringupbench README 的 Metrics 表与 eval_infer_out.py 源码MetricDefinitionReplacement Rate反编译输出能够被定位并替换回原始源文件中的函数占比Compilable Rate替换后修改过的源文件能够成功编译make build的函数占比Executable Rate编译后的程序能够通过其测试套件make test输出与参考一致的函数占比值得强调的是Replacement success: 368 (100.00%)这一项说明 SK²Decompile 的推理输出pseudo.content-fix字段对于全部 368 个案例都能被精确定位并替换到原源文件中。从源码看这一步骤由replace_function_body()实现eval_infer_out.py它先对原文、参考函数与推理输出做换行符归一化canonicalize再尝试三种匹配形态原始文本、去尾空白加换行、去首尾空白一旦找到精确子串即完成替换——这要求推理输出的函数体在文本层面与源码中的原始函数严格对齐。Benchmark Breakdown90 个程序在 O2 下的逐项表现报告主体是 90 个基准程序Benchmark在 O2 下的逐项统计表。下表完整继承自 O2_results.mdBenchmarkCasesReplacement%Build%Exec%ackermann2100.00%50.00%50.00%aes10100.00%20.00%20.00%anagram13100.00%46.15%46.15%audio-codec3100.00%33.33%33.33%avl-tree15100.00%20.00%20.00%banner1100.00%0.00%0.00%bit-kernels3100.00%66.67%66.67%blake2b4100.00%0.00%0.00%bloom-filter4100.00%50.00%50.00%boyer-moore-search3100.00%0.00%0.00%bubble-sort3100.00%100.00%100.00%c-interp10100.00%50.00%50.00%ccmac1100.00%0.00%0.00%checkers16100.00%68.75%62.50%cipher3100.00%66.67%0.00%congrad1100.00%0.00%0.00%connect4-minimax13100.00%61.54%53.85%convex-hull4100.00%75.00%75.00%dhrystone5100.00%20.00%20.00%distinctness2100.00%0.00%0.00%fft-int4100.00%50.00%50.00%flood-fill2100.00%50.00%50.00%frac-calc10100.00%50.00%50.00%fuzzy-match3100.00%33.33%33.33%fy-shuffle3100.00%33.33%33.33%gcd-list2100.00%50.00%0.00%grad-descent4100.00%25.00%25.00%graph-tests20100.00%10.00%10.00%hanoi1100.00%0.00%0.00%heapsort2100.00%50.00%50.00%heat-calc1100.00%0.00%0.00%huff-encode13100.00%92.31%92.31%idct-alg3100.00%66.67%33.33%indirect-test2100.00%50.00%50.00%k-means6100.00%33.33%33.33%kadane2100.00%50.00%50.00%kepler7100.00%14.29%14.29%knapsack3100.00%33.33%33.33%knights-tour3100.00%33.33%33.33%life14100.00%21.43%14.29%longdiv6100.00%50.00%50.00%lu-decomp3100.00%33.33%33.33%lz-compress2100.00%100.00%100.00%mandelbrot1100.00%0.00%0.00%matmult1100.00%0.00%0.00%max-subseq2100.00%0.00%0.00%mersenne3100.00%0.00%0.00%minspan8100.00%25.00%25.00%monte-carlo1100.00%0.00%0.00%murmur-hash2100.00%0.00%0.00%n-queens3100.00%66.67%66.67%natlog1100.00%0.00%0.00%nbody-sim1100.00%0.00%0.00%nr-solver1100.00%100.00%100.00%packet-filter4100.00%0.00%0.00%parrondo2100.00%50.00%50.00%pascal3100.00%66.67%66.67%pi-calc1100.00%0.00%0.00%primal-test3100.00%33.33%33.33%priority-queue5100.00%80.00%80.00%qsort-demo7100.00%28.57%28.57%qsort-test5100.00%80.00%80.00%quaternions4100.00%0.00%0.00%rabinkarp-search2100.00%0.00%0.00%rand-test3100.00%0.00%0.00%ransac2100.00%50.00%0.00%regex-parser7100.00%28.57%14.29%rho-factor3100.00%66.67%66.67%rle-compress2100.00%0.00%0.00%rsa-cipher4100.00%0.00%0.00%sat-solver5100.00%60.00%60.00%shortest-path3100.00%66.67%66.67%sieve1100.00%0.00%0.00%simple-grep1100.00%0.00%0.00%spelt2num1100.00%0.00%0.00%spirograph2100.00%50.00%0.00%sudoku-solver4100.00%50.00%50.00%tetris-sim12100.00%75.00%58.33%tiny-NN4100.00%25.00%25.00%topo-sort7100.00%0.00%0.00%totient2100.00%50.00%50.00%transcend1100.00%0.00%0.00%uniquify1100.00%0.00%0.00%vectors-3d8100.00%12.50%0.00%verlet1100.00%0.00%0.00%weekday2100.00%0.00%0.00%从表格中可提炼的规律高表现区间≥80% Build/Execbubble-sort、lz-compress、nr-solver均 100%huff-encode92.31%、priority-queue与qsort-test均 80%。这些程序要么结构规整、要么逻辑简单直接说明在 O2 下简单算法的函数级反编译恢复率很高。中等区间50%–80%checkers68.75% / 62.50%、connect4-minimax61.54% / 53.85%、sat-solver60.00%、tetris-sim75.00% / 58.33%、sudoku-solver50.00%等。值得注意的是checkers、tetris-sim这类规则密集型程序其 Build% 高于 Exec%说明反编译结果语法正确但语义仍有偏差函数能编译但行为与测试期望不符。编译成功但执行失败的典型cipherBuild 66.67% / Exec 0.00%、gcd-list50.00% / 0.00%、ransac50.00% / 0.00%、spirograph50.00% / 0.00%、vectors-3d12.50% / 0.00%、regex-parser28.57% / 14.29%、idct-alg66.67% / 33.33%、life21.43% / 14.29%。这种编译通过但运行结果错误的模式在反编译评估中非常典型类型、指针运算、边界条件等细微语义错误的函数依然能通过语法编译但运行时行为与参考程序不一致。完全失败0.00%banner、blake2b、boyer-moore-search、ccmac、congrad、distinctness、hanoi、heat-calc、mandelbrot、matmult、max-subseq、mersenne、monte-carlo、murmur-hash、natlog、nbody-sim、packet-filter、pi-calc、quaternions、rabinkarp-search、rand-test、rle-compress、rsa-cipher、sieve、simple-grep、spelt2num、topo-sort、transcend、uniquify、verlet、weekday等。这些程序在 O2 下没有任何一个函数能成功编译往往是整体性的结构问题例如topo-sort7 个函数全部失败说明图数据结构的指针操作在 O2 优化后极难恢复。失败明细Compilation Failures 与 Execution Failures 的判读报告末尾以源文件::函数名函数地址格式列出了两类失败。函数地址如0x1100、0x18c0对应二进制中的虚拟地址可用于与 merged.O2.func_map.jsonl 中的pseudo.address字段精确对应。Compilation Failures229 条略举代表性条目ackermann/ackermann.c::main0x1100aes/aes.c::aes_decrypt0x18c0、aes/aes.c::aes_encrypt0x1780、aes/aes.c::inv_mix_columns0x1640、aes/aes.c::key_expansion0x16d0、aes/aes.c::mix_columns0x1580、aes/aes.c::shift_rows0x1480、aes/aes.c::inv_shift_rows0x14f0、aes/aes.c::main0x1100avl-tree/avlcore.c::Insert0x1f30、avl-tree/avlcore.c::DeleteByElement0x2860、avl-tree/avlcore.c::DeleteByElementRecursive0x26d0、avl-tree/avlcore.c::DeleteLeftMost0x2610、avl-tree/avlcore.c::DoubleLeftRotation0x1c00、avl-tree/avlcore.c::DoubleRightRotation0x1bd0、avl-tree/avlcore.c::FindByElement0x1b00、avl-tree/avlcore.c::MakeEmpty0x1f80、avl-tree/avlcore.c::CheckTreeNodeRotation0x1c30c-interp/c-interp.c::eval0x3e90、c-interp/c-interp.c::function_body0x37f0、c-interp/c-interp.c::function_declaration0x3a10、c-interp/c-interp.c::next0x1580connect4-minimax/connect4-minimax.c::minimax0x1840、connect4-minimax/connect4-minimax.c::play_game0x1c90、connect4-minimax/connect4-minimax.c::score_position0x1620、connect4-minimax/connect4-minimax.c::init_board0x1230graph-tests/graph-tests.c::main0x1120、graph-tests/graph-tests.c::bfs0x1540、graph-tests/graph-tests.c::depthFirstSearch0x1b20等 20 个案例life/life.c::main0x1100、life/life.c::process0x1550、life/life.c::getNumNeigbors0x1390等 14 个案例regex-parser/regex-parser.c::matchpattern0x2670等 7 个案例编译失败占比约 62%229/368是 O2 级别的主要瓶颈。从失败清单的分布可以推断指针密集、结构体嵌套深、递归/回溯算法avl-tree、graph-tests、c-interp、regex-parser在 O2 优化后反编译结果的类型与语法恢复难度显著上升。Execution Failures13 条完整列出checkers/functions.c::all_possible_moves0x1a60cipher/cipher.c::decipher0x1360cipher/cipher.c::encipher0x12f0connect4-minimax/connect4-minimax.c::terminal_score0x1800gcd-list/gcd-list.c::gcd0x1310idct-alg/idct-alg.c::idct_2d0x12f0life/life.c::init0x1220ransac/ransac.c::ransac_line_fitting0x1410regex-parser/regex-parser.c::matchpattern0x2670spirograph/spirograph.c::test0x1390tetris-sim/tetris-sim.c::clear_lines0x1480tetris-sim/tetris-sim.c::simulate_board0x17c0vectors-3d/vectors-3d.c::get_angle0x17d0执行失败的含义是该函数反编译结果成功替换并编译通过但运行make test时输出与参考不一致。观察这些案例可以发现语义错误的集中模式gcd辗转相除的循环边界、idct_2d浮点/查表变换、clear_lines/simulate_board游戏状态更新逻辑、get_angle向量夹角计算、matchpattern正则匹配。这类案例是反编译最后一公里问题——语法正确但语义漂移也正是 verl/SK2DECOMPILE 中基于编译器反馈的强化学习GRPO奖励函数所针对优化的对象。这些数字是如何测出来的评估脚本源码解析报告中的每个数字都由 eval_infer_out.py 自动生成其处理逻辑清晰地解释了指标口径逐案例处理process_case从 JSONL 中读取每个案例用replace_function_body()把源文件中的原始函数文本替换为反编译结果pseudo.content-fix隔离工作区prepare_workspace为避免案例间相互污染每个案例复制Makefile、common/、target/及对应基准目录到独立临时工作区eval_infer_out.py默认--jobs 96并行处理依次执行make TARGEThost clean→make TARGEThost build→make TARGEThost test每步默认 20 秒超时--command-timeout 20build 通过记为 Compilablebuild 且 test 均通过记为 Executable聚合汇总compute_summary/write_summary按基准目录分组统计 Replacement / Build / Exec 三项比率并输出 Compilation Failuresbuild failed与 Execution Failuresbuild 成功但 test 失败清单最终生成 JSON 与 Markdown 两类报告。复现报告只需预置数据 BringUpBench 源码仓库# 1. 克隆 Bringup-Bench上游基准套件 git clone https://github.com/toddmaustin/bringup-bench.git # 2. 配置路径BENCH_REPO_ROOT 指向 bringup-bench 根目录 cd sk2decompile/evaluation/bringupbench vim config.env # 设置 BENCH_REPO_ROOT/path/to/bringup-bench # 3. 运行 O2 评估 python3 scripts/eval_infer_out.py data/infer_results/merged.O2.func_map.infer.jsonl \ --jobs 16 \ --command-timeout 20 # 4. 查看结果 cat reports/O2_results.md常用参数默认值来自 eval_infer_out.py 的参数解析参数默认值说明--jobs N96并行处理案例数ThreadPoolExecutor并发--command-timeout S20每条 make 命令的超时秒数0 表示不设超时--limit NNone只处理前 N 个案例调试用--keep-workspacesFalse保留临时构建工作区默认处理完删除--targethost传给 make 的 TARGET 变量默认原生 x86-64 Linux--bench-rootconfig.envBringup-Bench 仓库根目录优先级 CLI 环境变量 config.env配置文件的优先级同样体现在 config.envBENCH_REPO_ROOT、IDA_BINStep 2 用、DEFAULT_TARGEThost均可被同名环境变量或 CLI 参数覆盖。从报告到流水线O2 数据在整个评估体系中的位置报告对应的推理数据文件 merged.O2.func_map.infer.jsonl368 个案例源自上游 merged.O2.func_map.jsonl441 个函数。两者数量差441 → 368源于推理阶段的过滤——例如超过 token 上限的函数会被剔除见 bringupbench README 的 Notes。整个 BringUpBench 评估采用五步流水线编译O0–O3→ IDA Pro 伪代码基线 → 函数级真值映射 → SK²Decompile 两阶段推理 → 替换/编译/执行验证。其中 SK²Decompile 的两阶段推理由 sk2decompile_inf.py 完成Phase 1Skeletonsk2decompile-struct-6.7b将规范化伪代码恢复为结构中间表示Phase 2Skinsk2decompile-ident-6.7再恢复可读标识符最终输出写入 JSONL 的pseudo.content-fix字段供 Step 5 验证使用。如需在 O2 数据上完整复现反编译推理步骤cd sk2decompile/evaluation/ python3 sk2decompile_inf.py \ --dataset_path bringupbench/data/func_maps/merged.O2.func_map.jsonl \ --model_path LLM4Binary/sk2decompile-struct-6.7b \ --recover_model_path LLM4Binary/sk2decompile-ident-6.7b需要说明的适用前提SK²Decompile 的训练面向 C 语言 Linux-x64 代码IDA 伪代码输入其他语言或架构上的效果可能衰减BringUpBench 程序自包含、零外部依赖这保证了评估不受缺失头文件或库函数的干扰见 sk2decompile README。结论与阅读建议O2 报告给出了 SK²Decompile 在中等优化级别下的清晰画像100% 的替换成功率保证了评估覆盖完整性37.77% 的编译率与 34.24% 的可执行率表明近六成函数仍无法通过编译验证且编译失败远多于执行失败说明 O2 下反编译的结构级恢复仍是主要挑战而cipher、vectors-3d等编译通过但执行失败的案例则指向语义精度问题。若要继续深入研究建议按以下顺序阅读仓库中的关联材料O0_results.md / O1_results.md / O3_results.md——对比不同优化级别下的能力衰减曲线bringupbench README——完整五步复现流水线与数据格式func_map.jsonl、func_map.infer.jsonl字段说明eval_infer_out.py——评估脚本的完整实现sk2decompile_inf.py——两阶段推理管线的实现与参数。赞分享人工智能大模型逆向工程微调代码模型【免费下载链接】LLM4DecompileReverse Engineering: Decompiling Binary Code with Large Language Models项目地址https://gitcode.com/GitHub_Trending/ll/LLM4Decompile点击查看免费下载相关推荐filebrowser config init 完全指南初始化 File Browser 数据库与全局配置filebrowser config init 完全指南初始化 File Browser 数据库与全局配置 导读 filebrowser config ini人工智能大模型逆向工程微调代码模型大麦抢票自动化系统告别抢票焦虑轻松锁定心仪演出大麦抢票自动化系统告别抢票焦虑轻松锁定心仪演出 还在为抢不到演唱会门票而烦恼吗想象一下当别人还在紧张地刷新页面时你已经通过自动化系统完成了从登录到下单GUI 自动化RPALighthouse编译优化代码编译和执行效率Lighthouse编译优化代码编译和执行效率 引言 在Web开发中性能优化是至关重要的一环。Lighthouse作为一款自动化的网页质量评估工具其自身的开发工具测试性能测试前端上一篇SwiftHTTP进度监控教程实时跟踪网络请求状态下一篇mlcourse.ai 学习环境搭建与 Jupyter Book 构建指南Software DevOps 前置准备创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考