Os autores apresentam um pipeline para recuperar código-fonte de funções binárias despojadas (stripped) combinando engenharia reversa, recuperação baseada em âncoras e raciocínio de modelos de linguagem grandes.
- O método identifica a função fonte a partir de um banco de dados em vez de gerar pseudocódigo descompilado.
- Âncoras como strings, constantes, chamadas externas e nomes de funções são extraídas usando Ghidra.
- Os candidatos são recuperados via busca em índice invertido e reclassificados por um LLM com base no desmonte e metadados.
- Em um binário tcpdump stripped com um banco de dados de alta fidelidade, o método alcança 95,2% de cobertura de instruções assembly.
- Experimentos em um banco de dados baseado no GitHub mostraram desempenho inferior com 35,5% de cobertura média de instruções devido a falhas na recuperação.
Os resultados indicam que a recuperação binária ao nível do código-fonte é eficaz quando suportada por bancos de dados de alta qualidade.