ReSym आर्टिफैक्ट

यह रिपॉज़िटरी पेपर "ReSym: Harnessing LLMs to Recover Variable and Data Structure Symbols from Stripped Binaries" (CCS 2024) के लिए आर्टिफैक्ट प्रदान करती है।

🏆 ACM SIGSAC प्रतिष्ठित पेपर पुरस्कार विजेता

नोट: हम अपने आर्टिफैक्ट्स को सक्रिय रूप से बनाए रख रहे हैं/अद्यतन कर रहे हैं। कृपया सुनिश्चित करें कि आप नवीनतम संस्करण का उपयोग कर रहे हैं।

प्रदान किया गया डेटा और संसाधन

• डेटा तैयारी स्क्रिप्ट: process_data फ़ोल्डर में स्थित है। यह ग्राउंड ट्रुथ प्रतीक जानकारी के साथ प्रशिक्षण डेटा उत्पन्न करती है। स्क्रिप्ट पुश-बटन है, और उपयोग निर्देश फ़ोल्डर में दिए गए हैं।
• बाइनरी फ़ाइलें और डीकंपाइल किया गया कोड: Zenodo (ReSym_rawdata) पर उपलब्ध। इसमें कच्ची बाइनरी फ़ाइलें और संबंधित डीकंपाइल किया गया कोड शामिल है जिसका उपयोग हमने इस परियोजना में किया:
  • bin/: डिबगिंग जानकारी के साथ कच्ची नॉन-स्ट्रिप्ड बाइनरी फ़ाइलें शामिल हैं।
  • decompiled/: पूरी तरह से स्ट्रिप्ड बाइनरी से डीकंपाइल किया गया कोड।
  • metadata.json: बाइनरी के लिए मेटाडेटा, जिसमें परियोजना की जानकारी शामिल है।
  • नोट: आप इस रिपॉज़िटरी में दी गई स्क्रिप्ट का उपयोग करके एनोटेशन उत्पन्न कर सकते हैं।
• प्रशिक्षण/अनुमान स्क्रिप्ट: VarDecoder और FieldDecoder मॉडल के लिए training_src फ़ोल्डर में पाई जाती हैं।
• प्रशिक्षण, परीक्षण और भविष्यवाणी डेटा: Zenodo (ReSym_data) पर उपलब्ध। इसमें शामिल हैं: FieldDecoder और VarDecoder के लिए प्रशिक्षण डेटा, परीक्षण डेटा और भविष्यवाणी परिणाम।
• मॉडल चेकपॉइंट्स: फाइन-ट्यून किए गए VarDecoder और FieldDecoder मॉडल चेकपॉइंट्स Zenodo पर उपलब्ध हैं।
• अंतिम परिणाम: posterior_reasoning फ़ोल्डर में उपयोगकर्ता-परिभाषित डेटा संरचनाओं को पुनर्प्राप्त करने के लिए पोस्टीरियर रीज़निंग परिणाम। विवरण और निर्देश फ़ोल्डर में पाए जा सकते हैं।
• मूल्यांकन स्क्रिप्ट: VarDecoder और FieldDecoder दोनों के लिए मूल्यांकन स्क्रिप्ट training_src फ़ोल्डर में पाई जा सकती हैं।

हमें उद्धृत करना

@inproceedings{10.1145/3658644.3670340,
author = {Xie, Danning and Zhang, Zhuo and Jiang, Nan and Xu, Xiangzhe and Tan, Lin and Zhang, Xiangyu},
title = {ReSym: Harnessing LLMs to Recover Variable and Data Structure Symbols from Stripped Binaries},
year = {2024},
isbn = {9798400706363},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
url = {https://doi.org/10.1145/3658644.3670340},
doi = {10.1145/3658644.3670340},
abstract = {Decompilation aims to recover a binary executable to the source code form and hence has a wide range of applications in cyber security, such as malware analysis and legacy code hardening. A prominent challenge is to recover variable symbols, including both primitive and complex types such as user-defined data structures, along with their symbol information such as names and types. Existing efforts focus on solving parts of the problem, e.g., recovering only types (without names) or only local variables (without user-defined structures). In this paper, we propose ReSym, a novel hybrid technique that combines Large Language Models (LLMs) and program analysis to recover both names and types for local variables and user-defined data structures. Our method encompasses fine-tuning two LLMs to handle local variables and structures, respectively. To overcome the token limitations inherent in current LLMs, we devise a novel Prolog-based algorithm to aggregate and cross-check results from multiple LLM queries, suppressing uncertainty and hallucinations. Our experiments show that ReSym is effective in recovering variable information and user-defined data structures, substantially outperforming the state-of-the-art methods.},
booktitle = {Proceedings of the 2024 on ACM SIGSAC Conference on Computer and Communications Security},
pages = {4554–4568},
numpages = {15},
keywords = {large language models, program analysis, reverse engineering},
location = {Salt Lake City, UT, USA},
series = {CCS '24}
}