Buchumschlag

How Far Have We Gone in Binary Code Understanding Using Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shang, Xiuwei, Cheng, Shaoyin, Chen, Guoqiang, Zhang, Yanming, Hu, Li, Yu, Xiao, Li, Gangyang, Zhang, Weiming, Yu, Nenghai
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An Empirical Study on the Effectiveness of Large Language Models for Binary Code Understanding
von: Shang, Xiuwei, et al.
Veröffentlicht: (2025)

Beyond the Edge of Function: Unraveling the Patterns of Type Recovery in Binary Code
von: Li, Gangyang, et al.
Veröffentlicht: (2025)

FoC: Figure out the Cryptographic Functions in Stripped Binaries with LLMs
von: Shang, Xiuwei, et al.
Veröffentlicht: (2024)

BinMetric: A Comprehensive Binary Analysis Benchmark for Large Language Models
von: Shang, Xiuwei, et al.
Veröffentlicht: (2025)

AutoPT: How Far Are We from the End2End Automated Web Penetration Testing?
von: Wu, Benlong, et al.
Veröffentlicht: (2024)

Binary Code Similarity Detection via Graph Contrastive Learning on Intermediate Representations
von: Shang, Xiuwei, et al.
Veröffentlicht: (2024)

CompileAgent: Automated Real-World Repo-Level Compilation with Tool-Integrated LLM-based Agent System
von: Hu, Li, et al.
Veröffentlicht: (2025)

Deep Learning-Based Out-of-distribution Source Code Data Identification: How Far Have We Gone?
von: Nguyen, Van, et al.
Veröffentlicht: (2024)

Can LLMs Deobfuscate Binary Code? A Systematic Analysis of Large Language Models into Pseudocode Deobfuscation
von: Hu, Li, et al.
Veröffentlicht: (2026)

Automatically Detecting Checked-In Secrets in Android Apps: How Far Are We?
von: Li, Kevin, et al.
Veröffentlicht: (2024)

Using LLMs for Security Advisory Investigations: How Far Are We?
von: Abdullah, Bayu Fedra, et al.
Veröffentlicht: (2025)

Residual Risk Analysis in Benign Code: How Far Are We? A Multi-Model Semantic and Structural Similarity Approach
von: Farhad, Mohammad, et al.
Veröffentlicht: (2026)

The Digital Cybersecurity Expert: How Far Have We Come?
von: Wang, Dawei, et al.
Veröffentlicht: (2025)

Automated Code-centric Software Vulnerability Assessment: How Far Are We? An Empirical Study in C/C++
von: Nguyen, Anh The, et al.
Veröffentlicht: (2024)

CEBin: A Cost-Effective Framework for Large-Scale Binary Code Similarity Detection
von: Wang, Hao, et al.
Veröffentlicht: (2024)

Automatic Data Labeling for Software Vulnerability Prediction Models: How Far Are We?
von: Le, Triet H. M., et al.
Veröffentlicht: (2024)

KEENHash: Hashing Programs into Function-Aware Embeddings for Large-Scale Binary Code Similarity Analysis
von: Liu, Zhijie, et al.
Veröffentlicht: (2025)

How Far are App Secrets from Being Stolen? A Case Study on Android
von: Wei, Lili, et al.
Veröffentlicht: (2025)

Empirical Study of Code Large Language Models for Binary Security Patch Detection
von: Li, Qingyuan, et al.
Veröffentlicht: (2025)

StriderSPD: Structure-Guided Joint Representation Learning for Binary Security Patch Detection
von: Li, Qingyuan, et al.
Veröffentlicht: (2026)

BinEnhance: An Enhancement Framework Based on External Environment Semantics for Binary Code Search
von: Wang, Yongpan, et al.
Veröffentlicht: (2024)

Understanding the Supply Chain and Risks of Large Language Model Applications
von: Ma, Yujie, et al.
Veröffentlicht: (2025)

Transferable Backdoor Attacks for Code Models via Sharpness-Aware Adversarial Perturbation
von: Chang, Shuyu, et al.
Veröffentlicht: (2026)

A Large Scale Study of AI-based Binary Function Similarity Detection Techniques for Security Researchers and Practitioners
von: Shi, Jingyi, et al.
Veröffentlicht: (2025)

SQL Injection Jailbreak: A Structural Disaster of Large Language Models
von: Zhao, Jiawei, et al.
Veröffentlicht: (2024)

SCRIBE: Practical Static Binary Patching via Binary-Aware Recompilation of Decompiled Code
von: Dai, Han, et al.
Veröffentlicht: (2026)

Unsupervised Binary Code Translation with Application to Code Similarity Detection and Vulnerability Discovery
von: Ahmad, Iftakhar, et al.
Veröffentlicht: (2024)

ORCAS: Obfuscation-Resilient Binary Code Similarity Analysis using Dominance Enhanced Semantic Graph
von: Wang, Yufeng, et al.
Veröffentlicht: (2025)

Usability as a Weapon: Attacking the Safety of LLM-Based Code Generation via Usability Requirements
von: Li, Yue, et al.
Veröffentlicht: (2026)

When "Correct" Is Not Safe: Can We Trust Functionally Correct Patches Generated by Code Agents?
von: Peng, Yibo, et al.
Veröffentlicht: (2025)

Identifying Adversary Tactics and Techniques in Malware Binaries with an LLM Agent
von: Xuan, Zhou, et al.
Veröffentlicht: (2026)

How Agentic AI Coding Assistants Become the Attacker's Shell
von: Liu, Yue, et al.
Veröffentlicht: (2026)

MCGMark: An Encodable and Robust Online Watermark for Tracing LLM-Generated Malicious Code
von: Ning, Kaiwen, et al.
Veröffentlicht: (2024)

RepoMark: A Data-Usage Auditing Framework for Code Large Language Models
von: Qu, Wenjie, et al.
Veröffentlicht: (2025)

Harnessing the Power of LLM to Support Binary Taint Analysis
von: Liu, Puzhuo, et al.
Veröffentlicht: (2023)

Backdoors in Code Summarizers: How Bad Is It?
von: Wang, Chenyu, et al.
Veröffentlicht: (2025)

How to Compare the Security of Code Written by Humans to LLM-generated Code
von: Balebako, Rebecca, et al.
Veröffentlicht: (2026)

We Urgently Need Privilege Management in MCP: A Measurement of API Usage in MCP Ecosystems
von: Li, Zhihao, et al.
Veröffentlicht: (2025)

We Have a Package for You! A Comprehensive Analysis of Package Hallucinations by Code Generating LLMs
von: Spracklen, Joseph, et al.
Veröffentlicht: (2024)

Performance-lossless Black-box Model Watermarking
von: Zhao, Na, et al.
Veröffentlicht: (2023)