2026 · 会议已接收
CHISEL：借助 AI 迭代恢复源码
CHISEL-ing Back Source Code with AI-enabled Iterative Recovery
CHISEL 利用编译诊断及针对原函数的类型感知差分模糊测试改进 Ghidra 伪代码，并保留反例与候选历史。既有 I/O 样例用于保留评测，不提供给恢复循环。
研究范围与局限
评估覆盖 120 个选定 ExeBench 函数、x86-64 的 O0–O3、有／无符号变体及固定的 Gemma4:31b 模型。反馈判定器仍会错误接受候选；有限模糊测试及保留测试不证明等价。签名恢复及基准可能进入预训练语料仍是限制。
与本合集的关联
补充循环内不依赖既有测试集的修正方法，并区分判定器接受与行为验证。
发表与复核详情
- 发表载体
- SURE @ ACM CCS 2026
- 发表状态
- 会议已接收
- 出版／提交日期
- 2026 年（具体日期未核实）
- 日期依据
- 作者的 arXiv 记录及论文页面报告已录用；未核实正式论文集出版。
- arXiv 首次提交
- 2026 年 8 月 28 日
- arXiv
- 2608.27981
- 已复核的 arXiv 版本
- v1
作者来源报告已被 SURE 2026 录用；手稿 DOI 仍是占位值，因此不填入正式论文集出版日期或 DOI。论文的筛选要求至少 200 个测试，固定版本 README 则写至少 100 个保留 I/O 样例，尚未确定与实际评估产物的精确对应。文章采用 CC BY 4.0，但所查根目录及 README 未确立代码／数据许可。本次未运行产物。
来源复核于
本合集仅做来源复核，未重新运行论文实验。请通过原始论文或 BibTeX 引用原作者。