ترجمه فارسی مقاله Blens: عنوان متضاد توابع باینری با استفاده از تعبیه گروه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی BLens: Contrastive Captioning of Binary Functions using Ensemble Embedding
عنوان مقاله به فارسی Blens: عنوان متضاد توابع باینری با استفاده از تعبیه گروه
نویسندگان Tristan Benoit, Yunru Wang, Moritz Dannehl, Johannes Kinder
فرمت مقاله انگلیسی PDF
تعداد صفحات 23
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Cryptography and Security,یادگیری ماشین , رمزنگاری و امنیت ,
توضیحات Submitted 12 September, 2024; originally announced September 2024. , Comments: 23 pages, 5 figures. Tristan Benoit and Yunru Wang have made equally significant contributions to this work
توضیحات به فارسی ارسال شده 12 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: 23 صفحه ، 5 شکل.Tristan Benoit و Yunru Wang به همان اندازه سهم مهمی در این کار داشته اند
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Function names can greatly aid human reverse engineers, which has spurred development of machine learning-based approaches to predicting function names in stripped binaries. Much current work in this area now uses transformers, applying a metaphor of machine translation from code to function names. Still, function naming models face challenges in generalizing to projects completely unrelated to the training set. In this paper, we take a completely new approach by transferring advances in automated image captioning to the domain of binary reverse engineering, such that different parts of a binary function can be associated with parts of its name. We propose BLens, which combines multiple binary function embeddings into a new ensemble representation, aligns it with the name representation latent space via a contrastive learning approach, and generates function names with a transformer architecture tailored for function names. In our experiments, we demonstrate that BLens significantly outperforms the state of the art. In the usual setting of splitting per binary, we achieve an $F_1$ score of 0.77 compared to 0.67. Moreover, in the cross-project setting, which emphasizes generalizability, we achieve an $F_1$ score of 0.46 compared to 0.29.

چکیده به فارسی (ترجمه ماشینی)

نام عملکرد می تواند به مهندسین معکوس انسان کمک کند ، که باعث توسعه رویکردهای مبتنی بر یادگیری ماشین برای پیش بینی نام عملکرد در باینری های سلب شده است.کار فعلی در این زمینه اکنون از ترانسفورماتورها استفاده می کند و استعاره ترجمه ماشین را از کد به نام عملکرد استفاده می کند.با این وجود ، مدل های نامگذاری عملکرد در تعمیم پروژه های کاملاً بی ارتباط با مجموعه آموزش با چالش هایی روبرو هستند.در این مقاله ، ما با انتقال پیشرفت در زیرنویس خودکار تصویر به دامنه مهندسی معکوس باینری ، یک رویکرد کاملاً جدید را اتخاذ می کنیم ، به گونه ای که قسمت های مختلف یک عملکرد باینری می تواند با بخش هایی از نام آن همراه باشد.ما Blens را پیشنهاد می کنیم ، که چندین تعبیه باینری را در یک بازنمایی گروه جدید ترکیب می کند ، آن را با یک رویکرد یادگیری متضاد با فضای نهفته نام تجاری تراز می کند و نام عملکرد را با یک معماری ترانسفورماتور متناسب با نام عملکرد ایجاد می کند.در آزمایشات ما ، نشان می دهیم که به طور قابل توجهی از وضعیت هنر فراتر می رود.در تنظیم معمول تقسیم هر باینری ، ما در مقایسه با 0.67 به نمره F_1 $ 0.77 می رسیم.علاوه بر این ، در تنظیمات متقاطع ، که بر تعمیم پذیری تأکید می کند ، ما در مقایسه با 0.29 به نمره F_1 $ 0.46 می رسیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.