BUSTA: 소형 언어 모델에게 바이너리 실행에 대한 추론을 학습시키기

요약

본 논문은 대규모 언어 모델(LLM)을 리버스 엔지니어링(RE)에 적용하는 새로운 방법을 제시합니다. 특히, x86-64 기본 블록 실행 기반의 역추론 작업을 위해 소형 모델들을 GRPO로 미세 조정했습니다. 그 결과, 적은 파라미터 수에도 불구하고 최첨단 모델에 근접한 높은 예측 정확도를 달성했음을 입증하며 관련 모델과 데이터셋을 공개했습니다.

핵심 포인트

• LLM을 저수준 바이너리 분석(RE) 추론 작업에 활용하는 새로운 접근법 제시.
• GRPO를 통해 소형 언어 모델의 RE 예측 정확도를 크게 향상시킴.
• 적은 파라미터 수로도 최첨단 모델에 근접한 높은 성능 달성이 가능함을 입증함.