面向 MBA 表达式语义引导的混合布尔-算术去混淆：基于 Transformer 架构
密码学与安全
2025-07-01 v1 人工智能
摘要
混合布尔-算术 (MBA) 隐身通过将程序转换为更复杂的形式来保护知识产权，但该技术正被恶意软件开发者日益利用，以规避检测并引发重大现实问题。传统的 MBA 去混淆方法常将这些表达式视为黑盒，忽视其内部语义信息。为弥合这一差距，我们提出了一种真值表，即一种自动构建的表达式行为语义表示，无需依赖外部资源。真值表是一种数学形式，代表了表达式在所有可能输入组合下的输出。我们还提出了一种通用且可扩展的引导式 MBA 去混淆框架 (gMBA)，该框架修改了基于 Transformer 的神经编码器-解码器 Seq2Seq 架构以整合此类语义指导。实验结果和深入分析表明，整合表达式语义显著提升了性能，凸显了内部语义表达式在恢复被混淆代码至其原始形式中的重要性。
关键词
引用
@article{arxiv.2506.23634,
title = {gMBA: Expression Semantic Guided Mixed Boolean-Arithmetic Deobfuscation Using Transformer Architectures},
author = {Youjeong Noh and Joon-Young Paik and Jingun Kwon and Eun-Sun Cho},
journal= {arXiv preprint arXiv:2506.23634},
year = {2025}
}