DEBIN：机器学习恢复剥离二进制文件的调试信息

DEBIN：机器学习恢复剥离二进制文件的调试信息

debinMachine Learning to Deobfuscate Binaries项目地址:https://gitcode.com/gh_mirrors/de/debin

项目介绍

DEBIN 是一个由 SRI Lab, 苏黎世联邦理工学院计算机科学系 开发的系统，利用机器学习技术恢复剥离二进制文件（支持 x86、x64 和 ARM 架构）的调试信息，如变量名和类型。该项目是 机器学习编程 项目的一部分。

项目技术分析

DEBIN 通过决策树分类区分寄存器分配和内存分配的变量，并使用概率图模型进行结构化预测，预测变量和函数的名称及类型。这些模型是从数千个非剥离的开源软件包二进制文件中学习得来的。DEBIN 的核心技术包括：

• 决策树分类：用于区分不同类型的变量分配。
• 概率图模型：结合 Nice2Predict 进行结构化预测，预测变量和函数的名称及类型。

项目及技术应用场景

DEBIN 适用于以下场景：

• 软件逆向工程：帮助安全研究人员分析和理解剥离二进制文件。
• 软件维护和调试：在缺乏调试信息的情况下，帮助开发者进行代码调试和维护。
• 安全审计：增强对未知或剥离二进制文件的安全审计能力。

项目特点

• 多架构支持：支持 x86、x64 和 ARM 架构的二进制文件。
• 高精度预测：通过机器学习模型，能够预测出有意义的变量名和类型。
• 易于部署：提供 Docker 容器化解决方案，简化部署过程。
• 开源许可：基于 Apache 2.0 许可证，鼓励社区参与和贡献。

DEBIN 不仅在技术上具有创新性，其实用性和易用性也使其成为二进制分析领域的一个有力工具。无论是安全专家、软件开发者还是学术研究人员，DEBIN 都能提供强大的支持。

---

通过上述介绍，相信您已经对 DEBIN 有了全面的了解。如果您对二进制文件分析和调试有需求，不妨尝试使用 DEBIN，体验其带来的便利和高效。

debinMachine Learning to Deobfuscate Binaries项目地址:https://gitcode.com/gh_mirrors/de/debin