🤖 AI

Decaf: Improving Neural Decompilation with Automatic Feedback and Search

O artigo apresenta o Decaf, um sistema que aproveita o feedback do compilador e a busca para melhorar significativamente a correção semântica das saídas de descompilação neural, elevando a taxa de sucesso na partição Real-O2 de 26,0% para 83,9% sem comprometer a similaridade com o código-fonte original.

Autores originais: Alexander Shypula, Osbert Bastani, Edward Schwartz

Publicado 2026-05-13

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Alexander Shypula, Osbert Bastani, Edward Schwartz

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O Grande Problema: A "Tradução Perdida"

Imagine que você tem um livro escrito em uma linguagem complexa e de alto nível (como o inglês). Uma máquina traduz esse livro para um código secreto (código de máquina) para ser executado em um computador. Uma vez que a tradução ocorre, a máquina descarta o livro original, os títulos dos capítulos, os nomes dos personagens e até as regras gramaticais.

Agora, imagine que você é um detetive tentando descobrir qual era a história original, mas você só tem o código secreto. Isso é a descompilação.

As ferramentas tradicionais (como o Ghidra) são como um tradutor muito literal. Elas conseguem transformar o código secreto de volta em palavras, mas o resultado é uma bagunça. As frases são estranhas, os nomes são substituídos por "Variável_1" e "Variável_2", e a lógica é difícil de seguir. É tecnicamente correto, mas impossível de ler.

Por outro lado, a IA moderna (Modelos de Linguagem Grandes) é como um escritor criativo. Ela consegue adivinhar a história, inventar nomes de personagens legais e escrever frases fluidas. Mas, por ser tão criativa, às vezes ela alucina. Ela pode inventar uma reviravolta na trama que nunca aconteceu ou perder um detalhe crucial, tornando a história factualmente errada, mesmo que seja lindamente escrita.

A Solução: "Decaf" (Descompilação com Feedback Automatizado)

Os autores deste artigo, Alexander Shypula e sua equipe, perceberam que confiar apenas em uma tentativa da IA não é suficiente. Eles construíram um sistema chamado Decaf que funciona como um programa de talentos com um juiz rigoroso.

Veja como o processo do Decaf funciona, passo a passo:

1. O "Programa de Talentos" (Amostragem de Muitos Candidatos)

Em vez de pedir à IA para escrever a história uma vez e torcer para o melhor, o Decaf pede à IA para escrever 32 versões diferentes da história.

Analogia: Imagine pedir a 32 chefs diferentes que cozinhem o mesmo prato. Alguns podem queimá-lo, outros podem deixá-lo muito salgado, mas um deles pode, por acaso, fazer a versão perfeita.
O artigo descobriu que, se você pedir apenas um prato, você tem 60% de chance de obter algo comestível. Se você pedir 32, você tem uma chance de 88% de que pelo menos um deles seja perfeito.

2. O "Teste de Paladar" (Feedback Automático)

Agora você tem 32 versões diferentes do código. Como saber qual é o verdadeiro original? Você não pode apenas lê-los; todos parecem código.

O Truque: O Decaf pega cada versão gerada pela IA e recompila-a. Ele transforma o código de volta para o código de máquina secreto.
A Comparação: Em seguida, ele compara esse novo código secreto com o código secreto original com o qual você começou.
Analogia: Imagine que você tem a receita secreta original. Você pega os pratos dos 32 chefs, transforma-os de volta em ingredientes e vê qual conjunto de ingredientes corresponde exatamente à lista original. Se os ingredientes corresponderem, o prato está correto.

3. O "Juiz Principal" (O Reranker Neural)

Às vezes, a etapa de recompilação não é suficiente porque os ingredientes podem parecer ligeiramente diferentes, mas ter o mesmo sabor. Portanto, o Decaf usa uma segunda IA, chamada de Reranker, para atuar como o Juiz Principal.

Esse juiz olha para o "código secreto" do original e para o "código secreto" da tentativa da IA.
Ele não olha apenas para as palavras; ele olha para a lógica. Ele pergunta: "Essas duas partes de código fazem exatamente a mesma coisa?"
O juiz escolhe o vencedor e descarta o resto.

Os Resultados: Por Que Isso Importa

O artigo testou esse sistema em um benchmark massivo chamado ExeBench. Veja o que aconteceu:

Antes do Decaf: Os melhores modelos de IA conseguiam acertar a lógica apenas cerca de 26% das vezes. Eles eram ou muito bagunçados (como as ferramentas tradicionais) ou muito criativos (alucinando erros).
Com o Decaf: O sistema saltou para 83,9% de precisão.
A "Correspondência Perfeita": Ainda melhor, o código produzido pelo Decaf era tão semelhante ao original que, em 70,9% dos casos, se você o recompilasse, o código do computador era byte por byte idêntico ao original.

Um Exemplo do Mundo Real do Artigo

O artigo mostra uma função específica (uma pequena parte do código) que calcula números.

Ferramenta Tradicional (Ghidra): Deu uma resposta correta, mas feia, com nomes como iVar1 e iVar2.
IA Padrão (LLM4Decompile): Deu uma resposta bonita e legível, mas perdeu um passo crítico (uma condição de "break"), tornando a lógica errada.
Decaf: Gerou 32 versões. Encontrou aquela que tinha os nomes bonitos e a lógica correta. Selecionou com sucesso o vencedor usando seu "teste de paladar" e "Juiz Principal".

O "Teste de Estresse"

Os autores também testaram se o sistema funcionava quando os "ingredientes" mudavam. Eles tentaram usar um compilador diferente (Clang em vez de GCC) para verificar as respostas.

Resultado: O sistema ainda funcionou bem, embora tenha ficado ligeiramente menos preciso. Isso é como um juiz acostumado a provar comida italiana, mas que é solicitado a julgar comida francesa; ele ainda consegue dizer se o prato é bom, mas não é tão perfeito quanto quando julga sua culinária nativa.

Resumo

O Decaf não tenta tornar a IA mais inteligente alimentando-a com mais dados. Em vez disso, ele muda a estratégia:

Gerar muitas opções (não se contentar com a primeira tentativa).
Verificá-las automaticamente transformando-as de volta em código de máquina.
Usar um juiz inteligente para escolher aquele que é tanto legível quanto factualmente correto.

Essa abordagem transforma um "jogo de adivinhação" em um processo de "busca e verificação", melhorando dramaticamente a capacidade de entender código de computador que foi compilado e despojado de seu significado original.

Resumo Técnico: DECAF - Melhorando a Descompilação Neural com Feedback Automático e Busca

1. Declaração do Problema

A descompilação é o processo de traduzir código de assembly de baixo nível de volta para código-fonte de alto nível. Embora os descompiladores tradicionais (por exemplo, Ghidra, Hex-Rays) empreguem análise de programa sofisticada para recuperar variáveis e fluxo de controle, eles frequentemente falham em reconstruir sintaxe idiomática, nomes de identificadores significativos e tipos de dados personalizados. Por outro lado, modelos recentes de descompilação neural, particularmente aqueles baseados em Modelos de Linguagem de Grande Escala (LLMs), se destacam na geração de código legível e idiomático, mas sofrem de "alucinações". Esses modelos frequentemente produzem código semanticamente incorreto, omitem lógica crítica (como condições de interrupção) ou geram código que falha ao compilar ou executar corretamente.

O desafio central abordado por este artigo é o compromisso entre idiomaticidade (legibilidade e estrutura) e correção funcional (equivalência semântica ao binário original). Abordagens neurais existentes geralmente geram uma única saída candidata, deixando o potencial de soluções corretas subutilizado se o primeiro palpite do modelo for falho. Além disso, verificar a correção do código descompilado é um problema indecidível no caso geral, tornando difícil selecionar automaticamente o melhor candidato de um conjunto de possibilidades.

2. Metodologia

Os autores propõem o DECAF (Descompilação com Feedback Automatizado), um sistema que melhora a descompilação neural gerando múltiplos candidatos de descompilação e selecionando automaticamente o mais promissor usando feedback do compilador e um reclassificador neural treinado.

2.1. O Pipeline DECAF

O sistema opera em três etapas principais:

Descompilação Inicial: Um descompilador tradicional (Ghidra) processa o binário alvo para produzir uma representação inicial, frequentemente não idiomática, semelhante a C.
Geração de Candidatos: Esta saída é alimentada em um modelo gerador neural (um LLM). Em vez de uma única inferência, o sistema usa amostragem por temperatura para gerar um conjunto diversificado de $N$ candidatos de descompilação (por exemplo, $N=32$ ).
Feedback Automático e Reclassificação:
- Filtro de Compilação: Cada candidato é compilado (por exemplo, usando gcc -c). Candidatos que falham na compilação são descartados.
- Reclassificação: Os candidatos restantes são avaliados em relação ao binário original. Os autores propõem três estratégias de reclassificação:
  - Probabilidade Logarítmica: Classificação baseada na probabilidade logarítmica normalizada do modelo gerador.
  - Distância de Bytes: Compilar o candidato e calcular uma distância de Levenshtein modificada entre os bytes binários do candidato e os bytes do binário original. Esta distância leva em conta artefatos de realocação tratando deslocamentos específicos como curingas.
  - Reclassificador Neural: Um LLM dedicado (Decaf-ReRanker) treinado para prever a probabilidade de duas sequências de assembly (a original e o candidato recompilado) serem funcionalmente equivalentes.

2.2. Dados e Treinamento

Modelo Gerador: Os autores ajustaram finamente o LLM4Decompile-Ref-22b-v2 (22 bilhões de parâmetros) no conjunto de dados EXEBENCH. Eles introduziram supervisão consciente de tipos, treinando o modelo para gerar instruções #include necessárias, declarações antecipadas e definições de tipos para garantir que a saída seja compilável. Eles também treinaram modelos em binários desprovidos de símbolos para simular cenários de engenharia reversa do mundo real.
Modelo Reclassificador: Um modelo de 32 bilhões de parâmetros (QWEN3-32B) foi treinado para distinguir entre pares de assembly funcionalmente equivalentes e não equivalentes. Os dados de treinamento foram construídos gerando múltiplos candidatos, executando-os contra casos de teste e emparelhando execuções bem-sucedidas (positivas) com falhas ou incompatibilidades (negativas).
Recuperação de Vulnerabilidades: Para experimentos específicos, os autores utilizaram o Juliet Test Suite para avaliar a capacidade do sistema de recuperar código contendo vulnerabilidades conhecidas (classes CWE) a partir de binários desprovidos de símbolos.

3. Contribuições Principais

Sistema DECAF: Um novo framework que combina geração neural com feedback de compilador e busca (amostragem de múltiplos candidatos) para resolver o compromisso entre legibilidade e correção.
Decaf-Gen-22b: Um novo modelo gerador LLM que supera descompiladores neurais existentes de última geração (incluindo LLM4Decompile e Idioms-Gemma-7b) em precisão funcional e correspondência byte a byte, particularmente quando treinado com supervisão consciente de tipos e entradas de binários desprovidos de símbolos.
Decaf-ReRanker-32b: Um modelo reclassificador especializado que identifica efetivamente descompilações funcionalmente corretas de um conjunto de candidatos, superando significativamente heurísticas simples de probabilidade logarítmica ou distância de bytes em muitos cenários.
Insight Metodológico: A demonstração de que amostrar múltiplos candidatos (por exemplo, 32) aumenta dramaticamente a probabilidade de encontrar uma solução funcionalmente correta (elevando o limite superior de ~60% para ~88% em algumas divisões), desde que um mecanismo de reclassificação eficaz esteja em vigor.
Generalizabilidade: Evidência de que a metodologia de reclassificação pode amplificar modelos mais fracos (por exemplo, aplicar o reclassificador DECAF às saídas do LLM4Decompile produz ganhos significativos).

4. Resultados Experimentais

Os autores avaliaram sua abordagem no conjunto de dados EXEBENCH através de várias divisões (Real/Sintético, Com/Sem Símbolos, -O0/-O2).

Correção Funcional: Na divisão STRIPPED REAL -O2, o DECAF alcançou uma taxa de correção funcional de 83,9% com reclassificação, comparado a 26,0% para o melhor modelo neural anterior (Idioms-Gemma-7b) e 59,1% para o gerador sozinho (amostra única).
Correspondência Byte a Byte: O DECAF alcançou uma correspondência exata byte a byte de 70,9% na mesma divisão, superando significativamente os 19,1% do Idioms-Gemma-7b.
Semelhança com a Fonte: Contrariamente à intuição de que otimizar para correção poderia reduzir a legibilidade, os autores descobriram que a reclassificação para correção funcional geralmente melhorava a semelhança (menor Distância de Edição) com o código-fonte original.
Recuperação de Vulnerabilidades: No conjunto de testes Juliet, o DECAF alcançou uma pontuação F1 de 29,8% para recuperação de vulnerabilidades, superando substancialmente o Ghidra (1,7%) e demonstrando alta precisão (95,5%).
Robustez: Quando testado com um compilador diferente (Clang) para feedback do que o usado para geração (GCC), o desempenho do reclassificador neural caiu nas divisões sem símbolos devido a uma mudança de distribuição, destacando uma dependência da diversidade dos dados de treinamento.

5. Significado e Alegações

O artigo argumenta que as limitações dos descompiladores neurais atuais não são devidas apenas à falta de dados ou tamanho do modelo, mas sim à falta de verificação e busca. Ao tratar a descompilação como um problema de busca onde múltiplos candidatos são gerados e filtrados via feedback do compilador, o sistema pode recuperar código-fonte de alta qualidade que é tanto legível quanto semanticamente correto.

Os autores afirmam que o DECAF representa um avanço significativo no estado da arte para descompilação neural, indo além do paradigma de "melhor palpite único". Eles enfatizam que sua abordagem é geral e pode ser aplicada para amplificar qualquer descompilador neural capaz de produzir candidatos diversos. O trabalho também destaca a utilidade prática desses métodos em tarefas de segurança, como a recuperação de vulnerabilidades a partir de binários desprovidos de símbolos, onde ferramentas tradicionais frequentemente falham em fornecer código de alto nível acionável.

Os autores reconhecem limitações, incluindo a dependência do acesso à configuração do compilador de referência para correspondência byte a byte e os desafios de generalizar para diferentes arquiteturas de compilador (por exemplo, Clang vs. GCC) sem treinamento específico. Eles concluem que trabalhos futuros devem focar no treinamento de reclassificadores em configurações de compilador mais diversas e na exploração de aprendizado por reforço para refinamento iterativo.