LLM 具有定量可读性指标的代理辅助逆向工程

自动反编译器生成功能正确但通常不可读的 C 代码。本文讨论了逆向工程工作流程的一个阶段：使用由定量指标引导的 LLM 代理来提高反编译代码的可读性。我们提出了三个阶段的研究进展。第一阶段（通过 Ghidra MCP 进行工具驱动的转向）由于缺乏定量指导而存在覆盖不完整和改进不一致的问题。第 2 阶段（仅进行结构相似性验证）表明，代理会以意想不到的方式优化指标，从而生成结构等效但可读性较差的代码。我们的贡献是定量可读性得分（QRS）框架，这是一种将结构相似性门与三个独立的可读性子指标（词汇惊喜、结构简单性和惯用质量）相结合的复合指标。我们证明，QRS 引导的细化使 LLM 代理能够在不牺牲正确性的情况下进行有针对性的可读性改进。我们提供了更广泛的逆向工程工作流程（二进制提升、反编译清理和实现功能等效）作为上下文的讨论，但是，它仍然超出了范围。