.png){kind=icon}
返回
ChatPRE: Knowledge-aware protocol analysis with LLMs for intelligent segmentation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jnca.2026.104426.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在网络安全领域，协议逆向工程（PRE）是一项核心技术。然而，现有的PRE方法面临两大关键挑战：(1) 基于启发式的方法进行字段分割缺乏鲁棒性，并且对于复杂协议需要大量的手动调整；(2) 语义规则不足阻碍了协议语义的准确推理。为解决这些问题，本文介绍了一种名为ChatPRE的新型三阶段框架，该框架将程序分析与大型语言模型（LLMs）相结合。在字段分割阶段，动态污点跟踪与IDA伪C代码上的变量映射相结合。具体而言，采用变量一致性而非启发式规则来定位字段边界，同时应用变量重复聚类来识别高级语义字段。对于语义推理，代理工作流将伪C代码逻辑、字段内容以及上下文特征输入LLMs以推断功能语义。最后，通过重新推理步骤对字段边界和注释进行全局优化。在六个标准协议和一个恶意软件协议上的实验表明，与四种基线工具相比，ChatPRE取得了显著改进：字段分割准确率提高了11%–46%，并将分割错误减少了63%–70%。语义推理准确率提高了14%–45%。这项工作为PRE提供了一种创新方法，利用LLMs增强了结构解析和语义理解。
Keyword:
protocol reverse engineering
field segmentation
semantic inference
large language models
program analysis
期刊
IF:
8
论文数:
3.7K
被引数:
1.1W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏分享收藏NSFuzz: Towards Efficient and State-Aware Network Service Fuzzing - RCR ReportNSFuzz: 走向高效和状态感知的网络服务模糊-RCR报告
OAAI
OAAI分享收藏
查看更多内容