소스 코드가 제공되는 환경에서 AI 에이전트(agent)의 사이버보안 역량은 빠르게 향상되고 있으나, 악성코드, 펌웨어, 독점 소프트웨어 등 보안상 가장 중요한 소프트웨어의 대다수는 바이너리 형태로만 존재합니다. 이러한 소프트웨어를 분석하려면 본격적인 분석에 앞서 프로그램의 시맨틱을 복원하는 리버스 엔지니어링(reverse engineering, RE)이 필수적입니다. 에이전틱 RE를 평가하는 데는 근본적인 과제가 따릅니다. 현실적인 벤치마크(benchmark) 인스턴스는 (1) 암기에 의한 편법을 방지하기 위해 대규모 언어 모델(LLM)의 학습(training) 데이터에 포함되지 않아야 하며, (2) 실제 바이너리의 규모와 안티 분석 보호 기법을 반영해야 합니다. 본 논문에서는 최초의 현실적이고 오염 없는 RE 벤치마크인 SRE-Bench를 소개합니다. RE 전문가들이 5,000시간 이상의 전문 역량을 투입해 바닥부터 구축한 SRE-Bench는 평균 16.9K 라인의 코드 규모를 갖는 19개의 비공개 실제 규모 프로그램으로 구성됩니다. 또한 44개의 자체 안티 분석 메커니즘을 개발하여 262개의 바이너리 인스턴스와 결정론적으로 채점되는 1,572개의 태스크를 구축했습니다. 저자들은 11개 모델에 걸쳐 13가지 에이전트 설정을 평가했습니다. 이 중 8가지는 공개 환경 설정이고, 5가지는 사이버 안전장치를 해제하고 예산 상한선이 없는 내부 무제한 설정입니다. 현실적인 RE는 최첨단 에이전트에게도 여전히 도전적인 과제입니다. GPT-5.6-Sol과 Claude-Fable-5.1은 뛰어난 소스 코드 보안 역량에도 불구하고 채점 대상 인스턴스의 31.5%와 26.9%만을 완전히 해결하여, 소스 코드 보안에서의 성공이 효과적인 바이너리 분석으로 직결되지는 않음을 시사합니다. 예산 상한선과 안전장치가 없는 환경에서 GPT-6-Astra는 거의 완벽에 가까운 pass@4 점수를 달성했으나, 올바른 후보를 안정적으로 식별하는 것은 여전히 어려웠습니다. 에이전트들은 컴파일러 최적화(optimization) 및 정적 링킹에 대체로 둔감했으며, 절제 연구(ablation)를 통해 오염 제어와 현실적인 규모 모두가 에이전트의 RE 역량을 파악하는 데 필수적임을 확인했습니다. 이러한 결과는 RE가 에이전틱 사이버보안의 독자적인 최전선임을 강조하며, SRE-Bench를 진전 상황을 측정하기 위한 엄밀한 테스트베드로 확립합니다.
본 논문에서는 Dart AOT(ahead-of-time) 바이너리에 대한 신경망 디컴파일(neural decompilation)의 실행 기반 평가와 해당 평가 점수가 실제로 측정하는 바에 대한 감사를 제시합니다. 보관된 6개의 어댑터-기준선 비교 전반에서, 18개 엔드포인트에 대해 Holm 보정을 적용하여 k = 1, 5, 10에서 pass@k의 대응 표본 검정을 수행한 결과, 모든 k에서 두 Qwen3-8B 어댑터 모두 기능적 회귀(functional regression)가 확인되었습니다. 나머지 4개의 비교는 결론을 내리기 어렵습니다. 참조 검증을 거치고 계약상 유효한 141개 태스크에서 독립적으로 학습된 3개의 그래프 접두 문맥 시스템이 동일한 후보들을 평가합니다. Best CodeBLEU는 pass@10과 완만한 상관관계(ρ = .218-.246)를 보이고, compile@10은 약한 상관관계(ρ = .072-.082)를 보이며, 컴파일되는 후보 중 단 21.0-23.3%만이 테스트를 통과합니다. 타입, 인자 수(arity), 명령어 내용은 유지하면서 의미적 이름과 관련 단서를 제거한 대응 단일 시드 개입 실험에서는 태스크 커버리지가 42/154에서 7/154로 감소합니다. 일치된 그래프 섭동은 의미적 계약 하에서 감지 가능한 성능 저하를 보이지 않았으며(6개 검정 Holm p >= .750), 명령어 사용 기여도는 미해결 상태로 남아 있습니다. MF-174에서 5개의 디코딩 시드에 걸쳐 기준선은 평균 4.8개, 최소 한 번 이상은 15개, 그리고 모든 시드에서는 1개의 태스크를 해결합니다. 이에 따라 참조 검증, 공유 후보군 기반의 지표 정렬, 바이너리 입력과 메타데이터의 분리, 반복 샘플링, 그리고 출처 보존을 권장합니다. 공개된 캡슐은 무결성 검증 및 보관된 결과의 재현을 지원합니다.
기업용 소프트웨어 시스템의 비즈니스 요구사항은 구조화된 형태로 거의 기록되지 않으며, 로직은 대신 소스 코드, 설정 파일, 조직적 기억(institutional memory) 속에 존재한다. 이러한 시스템을 이전·확장·감사해야 할 때 공식적인 요구사항 산출물이 없으면 팀은 비용이 많이 들고 지식이 소실되는 수동 역공학에 내몰린다. 본 논문은 문서화되지 않은 기업 소프트웨어를 역공학하여 비즈니스 요구사항 문서(Business Requirements Documents, bRD)를 자율적으로 생성하는 에이전트 기반 프레임워크를 제시한다. 일곱 개의 전문 에이전트가 협력하여 사용자 여정을 발견하고 비즈니스 규칙을 추출하며, 코드·테스트 스위트·설정·가용 문서로부터 잠금(lock)된 bRD를 합성한다. 이 과정은 정적 분석 도구로 지원되고, 내장된 숙련 실무자 인지 모델이 안내하며, 통제된 에스컬레이션 지점에서 인간 검토자가 감독한다. 실제 기업 배포 환경의 실행 트레이스로 측정한 결과, 프레임워크는 서비스당 9분 미만으로 포괄적인 bRD를 생성하며, 추출된 규칙은 실제 프로덕션 결함 기록과 독립적으로 상호 검증되었다. 동일 목표 아키텍처로의 유사한 이전 마이그레이션에서는 납기에 2년 이상이 걸렸으나, 현재 프로그램에서 이 프레임워크는 IFPUG 복잡도 모델과 업계 벤치마크 인건비를 사용해 실제 저장소 메트릭에서 도출한 기준선 대비 98%를 넘는 비용 절감을 달성한다.
우리는 역공학(reverse engineering), 앵커 기반 소스 코드 검색, 대규모 언어 모델(LLM) 추론을 결합하여 스트립된 바이너리 함수에서 소스 코드를 복원하는 실용적인 파이프라인을 제시한다. 우리의 바이너리-소스 코드 검색 방법은 근사적인 디컴파일 의사코드를 생성하는 대신, 소스 코드 데이터베이스에서 소스 함수를 식별하는 것을 목표로 한다. 이 방법은 Ghidra를 사용하여 문자열, 상수, 외부 호출, 사용 가능한 함수명 등의 앵커를 추출하고, 역색인(inverted-index) 검색 데이터베이스를 통해 후보 파일을 검색하며, 후보를 가능성 있는 함수 스니펫으로 좁힌 뒤, 역어셈블리, 디컴파일 코드, 소스 메타데이터를 기반으로 LLM을 통해 재순위화한다. 신뢰도 높은 매칭 결과는 이후 패스에서 앵커로도 활용될 수 있다. 스트립되고 최적화된 tcpdump 바이너리에 대해 고충실도 소스 코드 데이터베이스를 기반으로 수행한 평가에서, 제안한 바이너리-소스 매칭 방법은 어셈블리 명령어 커버리지 95.2%를 달성한다. GitHub 기반 검색 데이터베이스를 활용한 실험에서는 주로 검색 누락(retrieval misses)으로 인해 평균 35.5%의 명령어 커버리지를 보이며 낮은 성능을 나타냈다. 이러한 결과는 소스 수준의 바이너리 복원이 고품질 데이터베이스 환경에서 탁월한 성능을 발휘하며, 노이즈가 많은 환경에서도 유용한 도구로 활용될 수 있음을 보여준다.
바이너리 코드 유사성 탐지는 리버스 엔지니어링의 핵심 과제입니다. 이 기술은 서로 다른 컨텍스트에서 의미적으로 유사한 코드를 식별함으로써 악성코드 분석과 취약점 발견을 지원합니다. 현대적 방법론은 수동으로 설계된 특징에서 벡터 표현으로 발전해 왔습니다. 수작업 통계(예: 연산 비율)는 해석 가능하지만 얕고 일반화에 실패합니다. 임베딩 기반 방법은 강건한 교차 환경 표현을 학습함으로써 이를 극복하지만, 해당 표현은 불투명한 벡터여서 신속한 검증을 방해합니다. 또한 고차원 최근접 이웃 탐색이 정밀도를 낮추는 근사를 필요로 하기 때문에 확장성-정확도 트레이드오프 문제를 안고 있습니다. 현재의 접근법들은 해석 가능성, 일반화 가능성, 확장성 사이에서 타협을 강요합니다. 우리는 언어 모델 기반 에이전트를 활용해 어셈블리 코드의 구조화된 추론 분석을 수행하고 입출력 타입, 부작용, 주목할 만한 상수, 알고리즘적 의도 등의 특징을 생성함으로써 이러한 격차를 해소합니다. 수작업 특징과 달리 더 풍부하고 적응적이며, 임베딩과 달리 사람이 읽을 수 있고 유지 관리가 가능하며 역색인 또는 관계형 인덱스로 직접 검색할 수 있습니다. 어떠한 매칭 학습 없이도 우리의 방법은 교차 아키텍처 및 교차 최적화 과제에서 recall@1 기준 각각 42%와 62%를 달성하며, 학습을 수행한 임베딩 방법(39%와 34%)과 비교 가능한 수준입니다. 임베딩과 결합하면 최신 기술(state-of-the-art)을 크게 능가하며, 정확도와 확장성 및 해석 가능성이 공존할 수 있음을 입증합니다.
산업 표준 B-rep 입력으로 completion, 오류 수정, CAD-QA 등 다양한 CAD 작업을 하나의 통합 멀티모달 LLM으로 수행하는 BrepCoder를 제안하며, CAD 모델링 시퀀스를 Python 유사 코드로 변환해 B-rep와 정렬한 뒤 역설계 사전학습과 다운스트림 확장의 2단계 학습으로 기하 특징과 설계 논리를 학습한다. B-rep를 구조적 코드로 해석함으로써 작업별 모델 대비 다양한 CAD 과제에서 우수한 일반화를 달성하고 범용 CAD 에이전트로서의 가능성을 보인다.
Apple M4 Max GPU의 Metal 4.1 텐서 연산 경로를 역설계한 Rigel은 fp8(E4M3) matmul2d가 하드웨어 가속 없이 에뮬레이션됨을 밝혀내고, 해당 연산이 GPU 셰이더 코어에서 수행됨을 입증했다. 이러한 특성 분석을 통해 최적화된 커널이 기존 분해된 경로보다 최대 12.9% 높은 성능을 달성함을 보여주었다.
자동 디컴파일러는 기능적으로 올바르지만 종종 가독성이 낮은 C 코드를 생성한다. 본 논문은 역공학 워크플로의 한 단계, 즉 정량적 지표를 기반으로 LLM 에이전트를 활용하여 디컴파일된 코드의 가독성을 개선하는 문제를 다룬다. 우리는 세 단계로 이루어진 연구 발전 과정을 제시한다. 1단계(Ghidra MCP를 통한 도구 기반 조정)는 정량적 가이던스의 부재로 인해 불완전한 커버리지와 일관성 없는 개선 결과를 보였다. 2단계(구조적 유사도 검증만 활용)에서는 에이전트가 의도하지 않은 방식으로 지표를 최적화하여 구조적으로는 동등하지만 가독성이 낮은 코드를 생성함이 드러났다. 본 연구의 기여는 구조적 유사도 게이트와 세 가지 독립적인 가독성 하위 지표(어휘 놀라움 지수(Lexical Surprisal), 구조적 단순성(Structural Simplicity), 관용적 품질(Idiomatic Quality))를 결합한 복합 지표인 정량적 가독성 점수(QRS, Quantitative Readability Score) 프레임워크이다. QRS 기반 정제가 LLM 에이전트로 하여금 정확성을 희생하지 않고 목표 지향적인 가독성 개선을 수행할 수 있게 함을 입증한다. 역공학 워크플로 전반(바이너리 리프팅, 디컴파일 정리, 기능적 동등성 달성)에 대한 논의를 맥락으로 제공하나, 이는 본 논문의 범위에 포함되지 않는다.