SoK 论文：LLM 从二进制恢复源码可靠吗

当天发生了什么

2026-10-08 09:20（UTC），arXiv 收录了论文《SoK: Are LLMs Reliable at Source Code Recovery? A Taxonomy and Empirical Evaluation》的 v1（编号 2610.11556，作者 Varun Kohli 等六人）。按摘要所述，这是一篇知识系统化论文，研究用大语言模型从二进制恢复源码，输入包括汇编和反编译器生成的伪 C。作者提出了以设计为中心的分类法，并在七项指标、六个维度上做评估；测试集包含 45,000 个样本，覆盖四种标准架构与五种嵌入式架构、五个优化级别以及去除符号的情形。作者还考察了输入表示、上下文增强、模型规模、迭代与审阅角色的影响，并评估同语言恢复与跨语言恢复（四种成熟语言、两种遗留语言）。本文只依据摘要，不引用正文的具体数值。

对防护模型意味着什么

这篇论文的价值在于把“AI 能不能把我的二进制还原成源码”从坊间印象变成可测量的问题。它选择的变量，例如优化级别、是否去除符号、目标架构，恰恰是开发者在构建时能控制的因素；这提示防守方可以用同样的思路评估自己的产品，而不是依赖厂商宣传或个别演示。跨语言恢复尤其值得注意：把逻辑用另一种语言重写，更接近“克隆”而不是“反编译”，这意味着即便恢复出的代码与原文不同，业务规则也可能被复现。诚实的边界是：任何能在客户端执行的逻辑，都应假设其规则可以被理解和重写；保护的目标是提高成本、拖延时间，核心价值应放在服务端或数据与服务本身。

在自己的构建上做的检查

可以给自己的产品做一个小规模、可重复的评估。挑选几个代表核心价值的函数，在你实际使用的发布配置下构建（包括优化级别与符号剥离），然后让团队内部用 AI 辅助工具尝试理解这些函数，再用已有单元测试检验恢复结果在功能上是否等价，以此衡量风险，而不是凭感觉。如果结果显示核心规则容易被复现，优先考虑把它迁到服务端，或拆分为客户端无法单独完成的流程。对任何混淆或加固步骤，都在变换后重跑功能测试。评估只在你拥有的代码上进行，并记录方法与结论，供后续版本对比。

行动清单

• 用真实发布配置构建核心函数，做一次内部 AI 辅助理解评估
• 用单元测试衡量恢复结果的功能等价性，而不是凭感觉
• 把容易被复现的核心规则迁到服务端