La ricerca sul prompting a catena di pensiero migliora la deoffuscazione del codice utilizzando modelli linguistici di grandi dimensioni

Uno studio esplora il prompting a catena di pensiero per migliorare la deoffuscazione del codice, un processo che ripristina versioni leggibili dei programmi mantenendo il comportamento originale. Questo metodo guida i modelli linguistici di grandi dimensioni attraverso un ragionamento passo-passo per l'analisi del codice, concentrandosi su tecniche di offuscamento del flusso di controllo come l'appiattimento del flusso di controllo e i predicati opachi. La valutazione di cinque modelli all'avanguardia mostra miglioramenti significativi della qualità rispetto al semplice prompting. La ricerca convalida l'approccio su benchmark C diversificati, misurando il recupero strutturale dei grafi del flusso di controllo e la preservazione semantica. La deoffuscazione del codice richiede tipicamente un notevole sforzo manuale con strumenti complessi, ma questa alternativa riduce tale onere. I risultati sono riportati utilizzando metriche strutturali per il flusso di controllo, evidenziando applicazioni pratiche nell'analisi del software.