AGNOMIN——面向架构无关的多标签函数名称预测
软件工程
2025-10-02 v2 密码学与安全
机器学习
摘要
函数名称预测对于理解软件逆向工程中的剥离二进制文件至关重要，这是实现后续漏洞分析和修补的关键步骤。然而，现有方法常常在架构特定限制、数据稀缺和多样化命名惯例方面面临困难。我们提出 AGNOMIN，一种用于剥离二进制文件中多标签函数名称预测的新型架构无关方法。AGNOMIN 构建特征增强层次图（FEHGs），结合控制流图、函数调用图和动态学习的 PCode 特征。层次图神经网络处理这一增强结构，以生成跨架构的一致函数表示，这对可扩展的安全评估至关重要。对于函数名称预测，AGNOMIN 采用受 Renée 启发的解码器，并通过基于注意力的头部层和算法改进进行增强。我们在涵盖三种架构的 9,000 个 ELF 可执行二进制文件的综合数据集上评估了 AGNOMIN，证明其相较于最先进方法具有优越性能，在测试数据集上精确度提升高达 27.17%，召回率提升高达 55.86%。此外，AGNOMIN 在未见架构上泛化良好，比最接近的基线实现了 5.89% 更高的召回率。AGNOMIN 的实用价值已通过安全黑客马拉松得到验证，它成功帮助逆向工程师分析和修补不同架构中的漏洞二进制文件。
引用
@article{arxiv.2509.25514,
title = {AGNOMIN -- Architecture Agnostic Multi-Label Function Name Prediction},
author = {Yonatan Gizachew Achamyeleh and Tongtao Zhang and Joshua Hyunki Kim and Gabriel Garcia and Shih-Yuan Yu and Anton Kocheturov and Mohammad Abdullah Al Faruque},
journal= {arXiv preprint arXiv:2509.25514},
year = {2025}
}