Can LLMs Deobfuscate Binary Code? A Systematic Analysis of Large Language Models into Pseudocode Deobfuscation
यह शोध पत्र BinDeObfBench प्रस्तुत करता है, जो LLM-आधारित बाइनरी डीऑबफस्केशन (deobfuscation) के मूल्यांकन के लिए पहला व्यापक बेंचमार्क है, जो यह प्रकट करता है कि ओबफस्केटेड बाइनरी से प्रोग्राम लॉजिक को प्रभावी ढंग से रिकवर करने के लिए मॉडल स्केल की तुलना में कार्य-विशिष्ट फाइन-ट्यूनिंग और रीजनिंग क्षमताएं अधिक महत्वपूर्ण हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास एक गुप्त रेसिपी है जो एक ऐसी भाषा में लिखी गई है जिसे आप नहीं जानते, और किसी ने जानबूझकर इसकी सामग्री को उलझा दिया है, इसके चरणों को एक भूलभुलैया के अंदर छिपा दिया है, और शब्दों को अर्थहीन प्रतीकों से बदल दिया है। यह बाइनरी कोड ऑब्फस्केशन (binary code obfuscation) है: हैकर्स या सॉफ़्टवेयर रक्षक कंप्यूटर प्रोग्रामों को इस तरह से उलझा देते हैं कि उन्हें समझना असंभव हो जाता है।
वर्षों से, सुरक्षा विशेषज्ञ (रिवर्स इंजीनियर्स) इन कठोर नियमपुस्तिकाओं का उपयोग करके इन रेसिपी को सुलझाने की कोशिश करते रहे हैं। लेकिन आधुनिक हैकर्स जो जटिल भूलभुलैया बनाते हैं, उनके लिए ये नियम बहुत सरल हैं।
यहाँ लार्ज लैंग्वेज मॉडल्स (LLMs) आते हैं—वे AI चैटबॉट्स जो कोड लिख सकते हैं और सवालों के जवाब दे सकते हैं। यह शोध पत्र मुख्य सवाल पूछता है: "क्या ये AI चैटबॉट्स एक मास्टर डिटेक्टिव की तरह काम कर सकते हैं और इन बिखरे हुए, छिपे हुए कंप्यूटर प्रोग्रामों को सुलझा सकते हैं?"
शोधकर्ताओं ने यह पता लगाने के लिए एक विशाल परीक्षण मैदान बनाया जिसे BINDEOBFBENCH कहा गया। यहाँ उन्होंने क्या पाया, इसे सरल भाषा में समझाया गया है:
1. टेस्ट किचन: एक विशाल भूलभुलैया बनाना
AI को टेस्ट करने के लिए, शोधकर्ताओं ने केवल कुछ यादृच्छिक (random) प्रोग्राम नहीं लिए। उन्होंने एक विशाल "ऑब्फस्केशन फैक्ट्री" बनाई।
- उन्होंने हजारों सामान्य प्रोग्राम लिए (जैसे कि एक साधारण बबल सॉर्ट गेम)।
- उन्होंने उन्हें छह अलग-अलग "स्क्रैम्बलिंग मशीनों" (ऑब्फस्केटर्स) से गुजारा जो कोड को विभिन्न तरीकों से मोड़ देती हैं: लॉजिक को सपाट करना, नकली डेड-एंड्स जोड़ना, और गणितीय ट्रिक्स को बदलना।
- उन्होंने इन प्रोग्रामों के 2 मिलियन से अधिक अद्वितीय, उलझे हुए संस्करण बनाए।
- फिर उन्होंने विभिन्न AI मॉडल्स से उन्हें वापस साफ, पठनीय कोड में "अनस्क्रैम्बल" करने के लिए कहा।
2. प्रतियोगी: दौड़ में कौन है?
उन्होंने तीन प्रकार के AI को एक-दूसरे के खिलाफ खड़ा किया:
- द जनरलिट्स (The Generalists): विशाल, प्रसिद्ध मॉडल्स (जैसे GPT-4o) जो हर चीज़ के बारे में थोड़ा बहुत जानते हैं।
- द कोडर्स (The Coders): वे मॉडल्स जिन्हें विशेष रूप से प्रोग्रामिंग भाषाओं पर प्रशिक्षित किया गया है।
- द रीजनर्स (The Reasoners): नए, स्मार्ट मॉडल्स जिन्हें जवाब देने से पहले "सोचने" या स्टेप-बाय-स्टेप सोचने के लिए डिज़ाइन किया गया है (जैसे पहेली सुलझाने वाला जासूस)।
- द स्पेशलिस्ट्स (The Specialists): वे मॉडल्स जिन्हें विशेष रूप से बाइनरी कोड विश्लेषण के लिए प्रशिक्षित किया गया है।
3. बड़े आश्चर्य (निष्कर्ष)
🧠 यह आकार के बारे में नहीं, बल्कि सोचने के बारे में है
आप सोच सकते हैं कि सबसे बड़ा AI (जिसमें सबसे अधिक "ब्रेन पावर" या पैरामीटर्स हों) जीतेगा। ऐसा नहीं हुआ।
- उपमा: एक ऐसी लाइब्रेरी की कल्पना करें जिसमें दस लाख किताबें हैं (एक विशाल मॉडल) बनाम एक बुद्धिमान जासूस जो केवल कुछ किताबें पढ़ सकता है लेकिन गहराई से सोच सकता है।
- परिणाम: "रीजनर" मॉडल्स (जैसे DeepSeek-R1) विजेता रहे। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने समस्या को टुकड़ों में तोड़ा, तर्क के माध्यम से विचार किया, और कोड के इरादे (intent) को समझा। एक विशाल मॉडल जिसने केवल पैटर्न याद किए थे, वह अक्सर ट्रिक्स के कारण भ्रमित हो गया।
🎓 "प्राकृतिक प्रतिभा" से अधिक प्रशिक्षण मायने रखता है
- उपमा: एक सामान्य व्यक्ति जो दुनिया की हर किताब पढ़ता है वह महान है, लेकिन एक मैकेनिक जिसने केवल इसी विशिष्ट प्रकार के इंजन को ठीक करने में 10 साल बिताए हैं, वह उसे ठीक करने में बेहतर है।
- परिणाम: वे मॉडल्स जो विशेष रूप से डी-ऑब्फस्केशन (कोड को अनस्क्रैम्बल करने का तरीका सीखना) के कार्य पर फाइन-ट्यून किए गए थे, वे उन मॉडल्स से बेहतर प्रदर्शन करते थे जो केवल सामान्य रूप से कोडिंग में अच्छे थे। "स्पेशलिस्ट" ने "जनरलिस्ट" को हरा दिया।
🧩 द "फ्यू-शॉट" ट्रैप (जब उदाहरण उल्टा पड़ जाते हैं)
आमतौर पर, यदि आप किसी AI को समस्या को हल करने के कुछ उदाहरण दिखाते हैं, तो वह बेहतर हो जाता है।
- ट्विस्ट: "रीजनर" मॉडल्स के लिए, उदाहरण दिखाने से वास्तव में उनके प्रदर्शन को नुकसान पहुँचा।
- उपमा: एक प्रतिभाशाली जासूस की कल्पना करें जो गहराई से सोचकर अपराधों को सुलझाता है। यदि आप उन्हें "कैसे करें" वाली गाइडों का ढेर थमा देते हैं कि अन्य जासूसों ने समान अपराधों को कैसे सुलझाया, तो वे विचलित हो सकते हैं और अपनी मूल तर्क शक्ति के बजाय गाइड की शैली की नकल करने की कोशिश कर सकते हैं। उदाहरणों ने उनकी आंतरिक सोच प्रक्रिया में बाधा डाली।
🏗️ गंदगी की सफाई करना
AI ने जो सबसे अच्छी चीज़ की, वह थी सरलीकरण।
- ऑब्फस्केटेड कोड एक ऐसे कमरे की तरह है जहाँ किसी ने सारा फर्नीचर छत पर फेंक दिया और दीवारों को आपस में चिपका दिया।
- AI ने केवल शब्दों का अनुवाद नहीं किया; इसने फर्नीचर को फिर से व्यवस्थित किया, दीवारें हटाईं, और कमरे को फिर से एक सामान्य लिविंग रूम जैसा बना दिया। इसने कोड को मनुष्यों के लिए पठनीय बना दिया, जो कि अंतिम लक्ष्य है।
4. निर्णय: इसका क्या अर्थ है?
यह पेपर साबित करता है कि AI साइबर सुरक्षा के लिए एक शक्तिशाली नया उपकरण है, लेकिन हमें इसका उपयोग सही तरीके से करने की आवश्यकता है।
- केवल सबसे बड़े मॉडल को न खरीदें। वह मॉडल खरीदें जो सोच सके और जिसे इस विशिष्ट कार्य के लिए प्रशिक्षित किया गया हो।
- तर्क (Reasoning) महत्वपूर्ण है। जब कोड बहुत अधिक उलझा हुआ हो, तो आपको एक ऐसे AI की आवश्यकता होती है जो रुक सके और तर्क कर सके, न कि केवल अगले शब्द की भविष्यवाणी करने वाले की।
- भविष्य: यह "BINDEOBFBENCH" अब एक मानक पैमाना है। भविष्य के शोधकर्ता इसका उपयोग और भी स्मार्ट उपकरण बनाने के लिए करेंगे जो स्वचालित रूप से मैलवेयर को साफ कर सकें, सुरक्षा खामियां ढूंढ सकें और हमें यह समझने में मदद कर सकें कि खतरनाक सॉफ़्टवेयर कैसे काम करता है।
संक्षेप में: यह पेपर दिखाता है कि AI "कोड के सफाईकर्मी" (code janitor) बनने में बहुत अच्छा हो रहा है, लेकिन केवल तभी जब आप इसे सही प्रशिक्षण दें और इसे केवल अनुमान लगाने के बजाय अपने दिमाग का उपयोग करके गंदगी को समझने की अनुमति दें।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।