[發明專利]一種基于匯編表征的智能化二進制編譯信息推斷方法

有效

• 申請號: 202110372215.6
• 申請日: 2021-04-07
• 公開（公告）號: CN112860266B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 陳立庚;何鐘靈;茅兵
• 申請（專利權）人: 南京大學
• 主分類號: G06F8/41
• 分類號: G06F8/41;G06N5/04
• 代理公司: 重慶市諾興專利代理事務所(普通合伙) 50239
• 代理人: 劉興順

1.一種基于匯編表征的智能化二進制編譯信息推斷方法，其特征在于，包括以下步驟：

S1、建立推斷模型，收集大量基于匯編語言的語料信息，進行基于匯編信息的智能化結構推斷模型的建立，模型包括前端源碼解析器和解碼器、中端分配優化寄存器和后端目標代碼生成翻譯器；

S2、匯編表征優化，通過編譯信息的多任務或遷移學習的表征共享對模型進行表征學習的輸入值優化，通過表征學習提高推斷模型的可解釋性，對模型結構進行探查優化，通過最小化損失函數求解偏導數，將導數通過輸入數據的結構和給定的標簽輸出來優化推斷模型的各模塊；

S3、推斷模型的學習優化，對數據預處理后，通過優化后的輸入向量對推斷模型進行反向推導模型學習，優化模型的二進制翻譯能力；

S4、基礎編譯，通過模型對源碼編譯信息的輸入優化，將編譯芯中冗余訪存指令進行去重，篩選出重要編譯信息，對數據進行預處理，將二進制匯編語言程序進行整理后，并優化模型通過解碼器進行靜態預翻譯；

S5、中間指令轉換，通過源文件解析器對和前端解碼器對編碼進行逐條對原平臺指令進行解碼，根據譯碼器分析出的前端源指令，生成相同語音的中間指令，并將原平臺二進制代碼翻譯成中間代碼；

S6、中端分析優化，將反應后的中間代碼與平臺端的無關信息進行優化；

S7、二進制編譯信息生成，后端目標代碼通過后端翻譯器將終端代碼翻譯成目標平臺的二進制代碼，并在翻譯后通過譯碼器分析生成指令，并在二進制信息指令輸入后，找到所有的入口指令，對入口指令進行標記，在遇到入口指令指針時進行地址變量轉換，對標記之間設置未知閾值，觀察不同模塊之間的公共閾值，通過公共閾值的值進行模型反推，通過模型對剩余空白信息進行動態翻譯，翻譯結果后得到編譯推斷后的二進制編譯信息。

2.根據權利要求1所述的一種基于匯編表征的智能化二進制編譯信息推斷方法，其特征在于，所述S1中語料信息相互之間通過共享實現數據交互，且共享方式包括硬共享、軟共享、層次共享和共享私有模式。

3.根據權利要求1所述的一種基于匯編表征的智能化二進制編譯信息推斷方法，其特征在于，所述S6中間代碼的優化包括活性分析，通過對程序入口點、分支指令的下一條指令、分支指令的目標地址進行規則基本塊的劃分，并對基本塊在編譯器中的臨時變量的活躍進行活性分析。

4.根據權利要求1所述的一種基于匯編表征的智能化二進制編譯信息推斷方法，其特征在于，所述S6中間代碼的臨時變量優化為虛擬寄存器分配，且采用對虛擬寄存器個數劃優先級，并通過優化算法進行寄存器分配，做回寫處理，引入冗余訪存指令，將寄存器設為循環塊位于循環體內，執行頻率P＝1000，當循環塊對指令寄存器分配時，循環塊頭尾添加有訪存指令，滿足循環體內部的積存需求。

5.根據權利要求1所述的一種基于匯編表征的智能化二進制編譯信息推斷方法，其特征在于，所述S4中冗余訪存指令是指對同一個內存地址的讀或者寫指令，且該地址的值仍保留在同一寄存器中，當前訪存指令即可定義為冗余訪存指令。

6.根據權利要求1所述的一種基于匯編表征的智能化二進制編譯信息推斷方法，其特征在于，所述S2中多任務表征共享優化包括，假設有S個相關任務，且第s個任務的訓練集為Ds，包含Ns個樣本，假設這S個任務對應的模型分別為f₁(X；θ)，f₂(X；θ)...f_s(X；θ)，且1≤s≤S，其中，x表示隨機變量,θ表示包含了共享模塊和私有模塊在內的所有參數，多任務學習的聯合目標函數為所有任務損失函數的線性加權，權重根據不同任務的重要程度來賦值或根據任務的難易程度來賦值。

7.根據權利要求6所述的一種基于匯編表征的智能化二進制編譯信息推斷方法，其特征在于，所述任務設置相同的權重ηs，其中ηs＝1，1≤s≤S。

8.根據權利要求1所述的一種基于匯編表征的智能化二進制編譯信息推斷方法，其特征在于，所述S3中推斷模型的優化包括通過BP算法對輸出端和輸入端數據進行輸入后，逐次調整前端源碼解析器和解碼器、中端分配優化寄存器和翻譯器進行閾值優化。