Abstract
في الهندسة العكسية العملية، تفتقر الملفات الثنائية المجردة والمُحسنة إلى الدلالات عالية المستوى، مما يعيق فهم الوظائف بطريقة آلية. تعتمد هذه الورقة على توقع أسماء الدوال الثنائية كمقياس لتقييم نماذج اللغة الكبيرة مفتوحة المصدر (LLMs) لاستدلال دلالات الوظائف تحت ظروف واقعية. نفحص بشكل منهجي العوامل الرئيسية التي تؤثر على الأداء، بما في ذلك مجال التدريب المسبق، حجم النموذج، البنية وإعدادات التحسين، التهيئة، والمعلومات السياقية. تكشف التجارب على مجموعة بيانات ثنائية متعددة المشاريع واسعة النطاق عن حدود واضحة في استعادة دلالات الوظائف من الملفات الثنائية المجردة. تتفوق نماذج اللغة الكبيرة الموجهة للرمز باستمرار على النماذج العامة، في حين أن زيادة حجم النموذج وحدها لا تحقق تحسناً مستمراً. نوضح أيضاً أن الإشارات السياقية القابلة للاسترداد بشكل واقعي، خاصة السياقات العابرة بين الوظائف والقابلة للاسترداد هيكلياً، تقلل بشكل كبير من ندرة الدلالات وتحسن جودة التنبؤ. ترسم هذه النتائج حدود القدرات الحالية لفهم دلالات الملفات الثنائية باستخدام نماذج اللغة الكبيرة وتقترح اتجاهات مستقبلية في النمذجة السياقية والتقنيات التكيفية للمجال للهندسة العكسية العملية.
Keywords
توقع أسماء الدوال الثنائية;نماذج اللغة الكبيرة (LLMs);الهندسة العكسية (RE);تحليل الشيفرة الثنائية
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website