13、基于侧信道的反汇编器构建

基于侧信道的反汇编器构建

1. 隐马尔可夫模型与指令重建

1.1 隐马尔可夫模型参数

隐马尔可夫模型（HMM）有三个关键参数：状态转移概率分布 (A)、初始状态分布 (\kappa) 和发射概率分布 (E)。发射概率分布 (E) 由特定模板提供。有了模型和一组观测值 (x)，就可以对隐藏马尔可夫过程的状态序列 (\pi) 进行最优重建，也就是重建微处理器执行的指令。

1.2 最优指令重建方法

有两种重建方式：
- 最可能执行的状态序列。
- 在给定观测集的情况下，某一时刻最可能执行的状态。

这两种方式使用不同的算法实现，下面介绍两种算法：

1.2.1 Viterbi 算法

Viterbi 算法用于确定最可能导致观测值 (\hat{x} = {x_i}) 的状态路径 (\pi = {\pi_i})。概率最高的路径为：
(\pi^* = \text{argmax} \pi p(\pi|\hat{x}) = \text{argmax} \pi \frac{p(\hat{x}, \pi)}{p(\hat{x})} = \text{argmax}_\pi p(\hat{x}, \pi))

该路径可以通过递归计算：
(v_l(i + 1) = e_l(x_{i+1})\max_k(v_k(i)a_{kl}))
(v_k(1) = \kappa_k e_k(x_1))

其中 (v_k(i)) 是结束于状态 (q_k) 的最可能路径的概率。在计算过程中，除了概率最高的转移概率，其他转移概率都被舍