AwesomeREA.org

2026 · 预印本

Faultless：验证和评估神经反编译器的程序等价性方法

Faultless: A Program Equivalence Technique for Validating and Evaluating Neural Decompilers

Luke Dramko; Claire Le Goues; Edward Schwartz

利用符号执行与专门的内存模型，将神经反编译器生成的 C 代码与确定性反编译结果或参考函数比较，无需完整周边代码库，可用于分析人员的结果核查及模型评估。

研究范围与局限

检查限定于函数级，抽象掉副作用顺序和部分编译器细节，选项还可放宽返回值、实参及类型条件。实现明确存在与堆有关的可靠性缺口，并要求兼容的循环结构；不支持的 C 特性及脱离上下文的依赖假设也限制覆盖。未能建立等价关系并不证明不等价。实验使用筛选后的 realtype 与 ExeBench 函数对，不代表任意整程序等价。

与本合集的关联

为恢复代码提供具体核查方法，同时揭示无条件“等价”标签可能掩盖的假设与不可靠情形。

发表与复核详情

发表载体
arXiv
发表状态
预印本
出版／提交日期
2026 年 9 月 28 日
日期依据
采用 arXiv v1 首次提交日期；未核实正式发表场所。
arXiv 首次提交
2026 年 9 月 28 日
arXiv
2609.34089
已复核的 arXiv 版本
v1
DOI
10.48550/arxiv.2609.34089

三位作者顺序与首投日期依据 arXiv v1。摘要页虽仍显示 DOI 待登记，DataCite 已将其列为可检索，登记于 2026-09-29。论文采用 CC BY-SA 4.0。作者链接的公开仓库固定核查于 059023d874f4103b5e645a9d6d6ddbdb2bbb6da0；根目录为 MIT 许可，README 将基于 Python、tree-sitter 与 Z3 的实现称为概念验证。本次未运行代码或实验。

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。

一手来源

  1. https://arxiv.org/abs/2609.34089
  2. https://arxiv.org/html/2609.34089v1
  3. https://api.datacite.org/dois/10.48550/arxiv.2609.34089
  4. https://github.com/squaresLab/faultless
  5. README.md GitHub · squaresLab/faultless · 修订 059023d
  6. LICENSE GitHub · squaresLab/faultless · 修订 059023d
  7. pyproject.toml GitHub · squaresLab/faultless · 修订 059023d