EOP: An Encryption-Obfuscation Solution for Protecting PCBs Against Tampering and Reverse Engineering
PCB是从消费电子到军事应用的设备的核心部件。由于PCB的可访问性，它们容易受到诸如探测、窃听和逆向工程的攻击。本文提出了一种名为EOP的解决方案来迁移这些威胁。EOP使用流密码对芯片间通信进行加密。加密和解密由专用时钟模块驱动。这些模块保证了流密码的正确同步和不受篡改。此外，EOP还结合了PCB级混淆，以防止逆向工程。EOP被指定为通过利用COTS组件来完成。为了验证，EOP在基于Zynq SoC的系统中实现。验证了系统的正常运行和篡改检测性能。实验结果表明，EOP可以将数据从一个芯片传送到另一个芯片，没有任何错误。实验证明该算法对任何主动篡改攻击都是敏感的。
2019-04-20 cs.CR
Hardware Honeypot: Setting Sequential Reverse Engineering on a Wrong Track
本文提出硬件FSM蜜罐方法，通过设置更具吸引力的错误有限状态机来误导逆向工程工具，从而保护原始设计免受逆向工程攻击。
2024-05-05 cs.CR
REMaQE: Reverse Engineering Math Equations from Executables
本文提出自动化框架 REMaQE，从二进制可执行文件中逆向工程数学方程，支持寄存器、栈、全局内存、指针参数及 C++ 面向对象实现，在 25,096 个二进制文件上成功恢复方程，并发现 Linux 内核工具 tmon 的 bug。
2024-04-11 cs.CR
A Look at the Dark Side of Hardware Reverse Engineering -- A Case Study
对现代和复杂的IC生产链的一个巨大威胁是使用不受信任的离岸代工厂，这些代工厂能够侵犯有价值的硬件设计IP或注入硬件特洛伊木马程序，造成严重的安全损失。同样，市场上占主导地位的基于SRAM的FPGA也容易受到这两种攻击，因为对于大多数部署的器件系列，即使在现场也可以检索关键的门级网表。为了执行IP侵权或特洛伊木马注入，有必要对硬件设计（部分）进行逆向工程，以了解其内部工作原理。尽管存在IP保护和混淆技术来阻止这两种攻击，但大多数技术的安全性是值得怀疑的，因为逆向工程的实际能力往往被忽视。我们的工作的贡献是双重的：首先，我们仔细审查了IP水印方案量身定制的FPGA和提高其安全性，通过使用不透明的谓词。此外，我们提出了新的逆向工程战略不透明的谓词实现，再次使自动检测和改变水印。其次，我们演示了专门为第三方加密IP门级网表定制的硬件木马的自动注入。更确切地说，我们扩展我们的理解对手的能力，提出如何块和流密码实现可以被暗中削弱。
2019-10-01 cs.CR
Efficacy of Satisfiability Based Attacks in the Presence of Circuit Reverse Engineering Errors
知识产权（IP）盗窃是集成电路（IC）行业的一个严重问题。为了解决这个问题，逻辑锁定对策将逻辑电路转换为不同的逻辑电路以混淆其内部细节。由混淆引起的变换仅在应用编程的秘密密钥时被反转，从而保持电路的原始功能。这种技术容易受到基于可满足性（SAT）的攻击。但是为了成功，基于SAT的攻击隐含地假设完美的逆向工程电路，这在实践中很难实现，这是由于自动电路提取引起的逆向工程（RE）错误。在本文中，我们分析了随机电路RE错误对基于SAT的攻击成功的影响。对ISCAS、MCNC基准测试以及成熟的RISC-V CPU的实证评估表明，攻击成功率随着随机RE错误数量的增加而呈指数级下降。因此，对手要么必须配备接近完美的RE工具，要么提出更好的基于SAT的攻击，可以与RE缺陷一起工作。
2021-02-16 cs.CR
Reverse Engineering of Integrated Circuits: Tools and Techniques
消费者和国防系统需要设计和制造性能更高的电子产品。随着这些系统在众多领域中变得无处不在，它们的应用面增加了，从而使它们成为对手的目标。因此，随着性能的提高，安全性方面需要设计师更多的关注。研究界充斥着通过利用漏洞针对机密设计细节的攻击的广泛细节。攻击者可以针对半导体芯片的物理设计，或者通过提取密钥来破坏密码算法，这些攻击将在本文中讨论。本文主要介绍了集成电路逆向工程攻击和针对密码系统的攻击。此外，本文还介绍了我对所讨论的攻击的防御的贡献。集成电路（IC）供应链的全球化使低成本和高性能的IC在市场上的优势为最终用户所接受。但这也使得设计在制造和制造后过程中容易受到过度生产、IP盗版、逆向工程攻击和硬件恶意软件的影响。过去已经提出了逻辑锁定方案来克服设计信任问题，但新的最先进的攻击（如SAT）已被证明是一个更大的威胁。这项工作突出了逆向工程攻击和建议的加固平台及其框架。
2022-08-18 cs.CR
Reverse Engineering Camouflaged Sequential Integrated Circuits Without Scan Access
集成电路（IC）封装是一种很有前途的技术，以保护芯片的设计免受逆向工程。然而，最近的工作表明，即使是封装的IC也可以使用SAT求解器从芯片的观察到的输入/输出行为进行逆向工程。然而，这些所谓的SAT攻击到目前为止只针对封装的组合电路。对于封装的时序电路，SAT攻击要求电路的内部状态通过扫描链是可控制和可观察的。已经隐含地假设，限制扫描链访问增加了被封装的IC的安全性以免受逆向工程攻击。在本文中，我们提出了一种新的攻击方法来decamberage时序电路没有扫描访问。我们的攻击使用模型检查器（比SAT求解器更强大的推理工具）来找到一组有区别的输入序列，即，一个足以确定封装栅极的功能性。我们提出了几个改进，包括使用有界模型检查器，以及确定一组输入序列是否有区别的充分条件，以提高我们攻击的运行时间和可扩展性。我们的攻击是能够decamberage一个大型的顺序基准电路，实现了一个子集的VIPER处理器。
2017-10-28 cs.CR
RELIC-GNN: Efficient State Registers Identification with Graph Neural Network for Reverse Engineering
State Key Laboratory of Integrated Service Networks, Xidian University（西安电子科技大学综合业务网国家重点实验室）；School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院）；School of Information Science and Technology, Southwest Jiaotong University（西南交通大学信息科学与技术学院）
RELIC-GNN通过图神经网络高效识别状态寄存器，提升门级反向工程的效率和准确性
2025-12-17 cs.CR
JDATATRANS for Array Obfuscation in Java Source Code to Defeat Reverse Engineering from Decompiled Codes
软件混淆或模糊软件是一种方法，以击败逆向工程的做法，在另一个软件的开发中非法使用其功能。Java应用程序更容易通过反编译等方法进行逆向工程和重新工程攻击，因为Java类文件以称为“字节”代码的半编译形式存储程序。现有的混淆系统混淆Java类文件。混淆的源代码产生混淆的字节代码，因此程序的两级混淆（源代码和字节代码级）使其对逆向工程攻击更具弹性。但是源代码混淆要困难得多，因为程序中使用的编程结构和不同变量的范围更丰富，而且在这方面只取得了很少的进展。因此，程序员采取临时的手动方式来掩盖他们的程序，这使得它的维护和可用性变得困难。为了部分解决这个问题，我们开发了一个用户友好的工具JDATATRANS，通过模糊数组的用法来混淆Java源代码。使用各种数组重组技术，如“数组分裂”，“数组折叠”和“数组隐藏”，除了常数隐藏，我们的系统混淆输入的Java源代码，并产生一个混淆的Java源代码，在功能上等同于输入程序。我们还进行了一些实验，以衡量我们的工具所产生的效力，弹性和成本。
2008-09-20 cs.CR
A Real-Time Approach to Autonomous CAN Bus Reverse Engineering
North Dakota State University（北达科他州立大学）；University of West Florida（西佛罗里达大学）
本文提出了一种实时方法，通过比较惯性测量和CAN数据，实现车辆CAN总线的逆向工程，提高了处理速度和计算效率，适用于自动驾驶套件和网络安全应用。
2026-02-15 cs.CR
Towards Reverse Engineering Reversible Logic
可逆逻辑有两个主要特性。首先，输入的数量等于输出的数量。其次，它实现了一对一的映射;即，可以从输出重构输入。这些特性使其能够应用于构建量子计算架构。本文研究了可逆逻辑电路的逆向工程，包括可逆电路中嵌入不可逆函数的逆向工程。我们提出将不可逆函数嵌入到可逆电路中的次数作为逆向工程的安全度量。我们分析了可逆电路自动综合的安全效益。我们使用我们提出的安全度量表明，功能合成方法产生的可逆电路，更有弹性的逆向工程比结构合成方法。最后，我们提出了一个可逆电路的输入和输出扰乱，以阻止逆向工程。
2017-12-01 cs.CR cs.ET
Highway to HAL: Open-Sourcing the First Extendable Gate-Level Netlist Reverse Engineering Framework
由于硬件通常是我们现代互联世界中的信任根源，因此恶意硬件操纵在物联网（IoT）的背景下构成了无处不在的威胁。硬件逆向工程是检测这种操纵的流行技术。在过去的几年中，一个活跃的研究团体已经显著地推进了硬件逆向工程领域。值得注意的是，已经解决了关于从现场可编程门阵列（FPGA）或专用集成电路（ASIC）中提取功能正确的网表的许多开放的研究问题。为了便于进一步分析恢复的网表，需要一个软件框架，作为专门算法的基础。目前，没有公开的此类框架。因此，我们提供了第一个开源的门库不可知框架的门级网表分析。在这篇位置论文中，我们展示了我们的模块化框架HAL的工作流程的基础上，两个案例研究，并提供了深刻的见解，其技术基础。
2019-10-01 cs.CR
Honeypot-powered Malware Reverse Engineering
针对现有蜜罐无法专业分析恶意软件自动化攻击行为的问题，本文提出为高交互蜜罐添加特定功能以增强其逆向工程能力，助力有效分析捕获的恶意实体。
2016-01-13 cs.CR
Malware Sight-Seeing: Accelerating Reverse-Engineering via Point-of-Interest-Beacons
新型恶意软件正以令人担忧的速度出现。然而，通过逆向工程分析恶意软件仍然是一项耗时且主要是手动的任务。出于这个原因，有必要开发自动化部分逆向工程过程的技术，并可以规避现代恶意软件的内置对策。本文的主要贡献是一种新的方法来自动找到所谓的兴趣点（POI）在执行的程序。POI是与分析师已知的数据交互的指令。它们可以用作恶意软件分析中的信标，并可以帮助引导分析人员找到恶意软件的有趣部分。此外，我们提出了一个指标的POI，所谓的置信度分数，估计如何专门的POI将处理相关的恶意软件的数据。随着自动提取对等体的P2P僵尸网络恶意软件的目标，我们证明和评估我们的方法，通过将其应用于四个僵尸网络（ZeroAccess，Sality，Nugache和Kelihos）。我们研究了已知IP和端口的已识别POI，并通过使用此信息，利用它成功监控僵尸网络。此外，使用我们的评分系统，我们表明，我们可以提取同行的每个僵尸网络具有很高的准确性。
2021-09-09 cs.CR
Teaching Hardware Reverse Engineering: Educational Guidelines and Practical Insights
由于底层硬件组件构成了几乎任何计算系统的信任基础，因此硬件中的安全故障对我们的日常生活构成了毁灭性的威胁。安全工程师通常采用硬件逆向工程来识别安全漏洞、检测IP违规或进行超大规模集成（VLSI）故障分析。尽管工业界和科学界需要具备硬件逆向工程专业知识的专家，但缺乏教育产品，现有的培训几乎完全是非结构化的和在职的。据我们所知，我们已经开发了第一个课程，系统地教授学生硬件逆向工程的基础上，从教育研究，认知科学和硬件安全领域的见解。我们的工作的贡献是三方面的：（1）我们提出了基本的教育方针，以实践为导向的课程，教硬件逆向工程;（2）我们开发了这样一个实验室课程，特别注重门级网表逆向工程，并提供所需的工具来支持它;（3）我们进行的试点课程的教育评估。根据我们的研究结果，我们提供了宝贵的见解的结构和内容，必要的设计和教学硬件逆向工程未来的课程。
2019-10-01 cs.CR cs.CY
ICSREF: A Framework for Automated Reverse Engineering of Industrial Control Systems Binaries
工业控制系统（ICS）的安全性在过去几年中受到越来越多的关注，因为发现了针对工业环境的真正威胁。尽管有这种关注，但用于可编程逻辑控制器的ICS二进制文件的逆向工程过程的自动化仍然是一个开放的问题，这主要是由于ICS供应商使用专有编译器。这种自动化可能是一把双刃剑;一方面，它可以加速数字取证调查和事件响应行动，另一方面，它可以动态生成恶意ICS有效载荷。在这项工作中，我们提出了一个结构化的方法，自动化的逆向工程过程中ICS二进制文件，考虑到其独特的特定领域的特点。我们应用这种方法来开发模块化的工业控制系统逆向工程框架（ICSREF），并实例化ICSREF模块，用于反转编译的二进制代码，广泛使用的软件栈和编译器的PLC。为了评估我们的框架，我们通过从公共代码库收集真实的PLC二进制文件以及内部开发二进制文件来创建样本数据库。我们的研究结果表明，ICSREF可以成功地处理不同的PLC二进制从不同的行业部门，无论使用的程序设计语言。此外，我们还在商用智能手机上部署了ICSREF，该智能手机可以针对化学过程测试平台编排和发起完全自动化的过程感知攻击。这个动态负载生成的示例展示了ICSREF如何在没有任何先验知识的情况下实现复杂的攻击。
2018-12-09 cs.CR
Library-Attack: Reverse Engineering Approach for Evaluating Hardware IP Protection
针对现有硬件IP保护忽视特权攻击者风险的问题，提出Library-Attack反向工程技术，利用特权信息与结构比较恢复IP，并在ISCAS89上验证漏洞，更新威胁模型。
2025-01-21 cs.CR
Code Reverse Engineering problem for Identification Codes
在ITW'10中，Bringer等人建议通过将代码逆向工程（CRE）问题扩展到识别代码来加强他们先前的识别协议。我们首先扩展安全性结果Tillich等人。在这个问题上。然后，我们证明了该协议的安全性，使用信息理论的论据。
2011-05-10 cs.CR cs.IT math.IT
CAPTIVE: Constrained Adversarial Perturbations to Thwart IC Reverse Engineering
集成电路（IC）中的逆向工程（reverse engineering，RE）是一种尝试提取IC内部结构、提取电路结构并确定IC的门级信息的过程。一般来说，RE过程可以用于验证以及知识产权（IP）窃取意图。此外，RE还促进了不同的非法活动，例如插入硬件木马，盗版或伪造设计，或开发攻击。在这项工作中，我们提出了一种方法来引入认知扰动，对抗机器学习的帮助下，IC布局，可以防止RE过程成功。我们首先构建了45 nm预测技术的逐层图像数据集。在此基础上，我们提出了一个传统的神经网络模型，称为神经网络G-Net来识别逻辑门，这是RE的第一步。该网络成功地识别了门，准确率超过99.7%。我们的挫败方法利用的概念，对抗攻击生成算法产生扰动。与机器学习中的传统对抗攻击不同，扰动生成需要受到高度约束，以满足晶圆厂规则，例如设计规则检查（DRC）布局与原理图（LVS）检查。因此，我们建议CAPTIVE作为满足DRC的约束扰动生成。实验结果表明，基于敌手生成器的逆向工程，利用机器学习技术的准确率可以从100%降低到30%左右。
2021-10-21 cs.CR
An Observational Investigation of Reverse Engineers' Processes
逆向工程是一个复杂的过程，对于软件安全任务（如漏洞发现和恶意软件分析）至关重要。大量的研究和工程工作已经投入到开发工具，以支持逆向工程师。然而，很少有人去理解逆向工程师在分析程序时的思维方式，这使得工具开发人员只能根据直觉做出界面设计决策。本文采取了第一步，更好地了解逆向工程师的过程，产生的见解，以提高交互设计的逆向工程工具的目标。我们提出了一个半结构化的，观察性的访谈研究的逆向工程师（N=16）的结果。每一次观察都调查了逆向工程师在探索程序时提出的问题，他们如何回答这些问题，以及他们在整个逆向工程过程中做出的决定。从采访的反应，我们提炼出一个模型的逆向工程过程中，分为三个阶段：概述，子组件扫描，并重点实验。每一个分析阶段的结果都会反馈给下一个阶段，因为逆向工程师的心理表征变得更加具体。我们发现，逆向工程师通常在前两个阶段使用静态方法，但在最后阶段使用动态方法，经验在每个阶段都扮演着重要但不同的角色。%，经验的作用在不同阶段之间有所不同。基于这些结果，我们提供了五个交互设计准则的逆向工程工具。
2019-12-01 cs.CR cs.HC
Hardware Trust and Assurance through Reverse Engineering: A Survey and Outlook from Image Analysis and Machine Learning Perspectives
在硬件信任和保证的背景下，逆向工程通常被认为是非法行为。一般来说，逆向工程的目的是从产品中检索信息，即，硬件安全相关场景中的集成电路（IC）和印刷电路板（PCB），希望了解设备的功能并确定其组成组件。因此，它可能会引发有关知识产权（IP）侵权，安全相关措施有效性的严重问题，甚至是注入硬件木马的新机会。具有讽刺意味的是，逆向工程可以使知识产权所有者验证和验证设计。然而，如果不克服限制逆向工程过程成功结果的众多障碍，就无法实现这一目标。本文从两个互补的角度来审视这些挑战：图像处理和机器学习。这两个研究领域为提高PCB和IC逆向工程过程的效率和准确性奠定了坚实的基础。总之，因此，本文提出了一个路线图，明确指出要采取的行动，以实现硬件的信任和保证目标。
2021-04-07 cs.CR eess.IV
Declarative Demand-Driven Reverse Engineering
二进制逆向工程是一项具有挑战性的任务，因为它通常需要使用领域特定知识（例如，理解ABI常见的入口点习惯用法）和逻辑推理（例如，重构过程间控制流）。为了帮助执行这些任务，逆向工程师经常使用工具包（如IDA Pro或Ghidra），这些工具包允许他们交互式地解释二进制文件的属性。我们认为，演绎数据库作为一个自然的抽象之间的接口可视化为基础的二进制分析工具和高性能的逻辑推理引擎，计算有关二进制文件的事实。在本文中，我们提出了一个未来的愿景，逆向工程师使用基于可视化的工具来理解二进制文件，同时查询逻辑推理引擎执行任意复杂的演绎推理任务。我们称我们的愿景为声明性需求驱动的逆向工程（简称D^3RE），并勾勒出一个正式的语义，其目标是调解逻辑推理引擎（如Souffle）和逆向工程工具之间的交互。我们描述了一个原型工具，d3re，这是用来探索D^3RE愿景。虽然仍然是一个原型，但我们已经使用d3re在二进制文件上重新实现了几个常见的查询任务。我们的评估表明，d3re使更好的性能和更简洁的实现这些常见的RE任务。
2021-01-12 cs.CR cs.PL
Removing Box-Free Watermarks for Image-to-Image Models via Query-Based Reverse Engineering
针对无盒图像到图像模型水印，本文提出基于查询的HNet逆模型与前向代理模型逆向工程攻击，实现100%水印移除并保持高质量图像。
2025-07-24 cs.CR
Stealing Maggie's Secrets -- On the Challenges of IP Theft Through FPGA Reverse Engineering
本文通过对iPhone 7中苹果称为Maggie的Lattice iCE40 FPGA进行真实逆向工程案例研究，揭示了FPGA IP窃取的实际难度，并提出通用网表逆向工程技术及开源工具套件，大幅降低人工工作量并推动威胁评估与防御研究。
2024-09-03 cs.CR
REPQC: Reverse Engineering and Backdooring Hardware Accelerators for Post-quantum Cryptography
本文提出REPQC，一种自动化逆向工程算法，用于在后量子密码硬件加速器中识别Keccak哈希操作并植入隐蔽硬件木马，以Dilithium为例，仅增加0.1%布局密度即可实现后门，且不影响性能。
2024-03-14 cs.CR
JConstHide: A Framework for Java Source Code Constant Hiding
软件混淆或模糊软件是一种方法，以击败逆向工程的做法，在另一个软件的开发中非法使用其功能。Java应用程序更容易通过反编译等方法进行逆向工程和重新工程攻击，因为Java类文件以称为字节码的半编译形式存储程序。现有的混淆系统混淆Java类文件。混淆的源代码产生混淆的字节代码，因此程序的两级混淆（源代码和字节代码级）使其对逆向工程攻击更具弹性。但是源代码混淆要困难得多，因为程序中使用的编程结构和不同变量的范围更丰富，而且在这方面只取得了很少的进展。我们在本文中提出了一个名为JConstHide的框架，用于隐藏Java源代码中的常量，特别是整数，以通过反编译来击败逆向工程。据我们所知，没有数据隐藏软件可用于Java源代码常量隐藏。
2009-04-22 cs.CR
Knock-Knock: Black-Box, Platform-Agnostic DRAM Address-Mapping Reverse Engineering
本文提出Knock-Knock，一种黑盒、平台无关的DRAM地址映射逆向工程方法，基于GF(2)线性代数模型，在多项式时间内恢复完整映射，实现99%召回率和准确率，并支持大规模系统。
2025-09-23 cs.CR
Challenges and Future Directions in Agentic Reverse Engineering Systems
本文探讨了基于大语言模型的代理系统在二进制反工程中的表现，分析了静态、动态和混合代理的局限性，指出token限制、反编译困难和缺乏程序防护等挑战，并提出未来发展方向。
2026-04-15 cs.AI cs.CR
AppGNN: Approximation-Aware Functional Reverse Engineering using Graph Neural Networks
集成电路（IC）市场的全球化正在吸引越来越多的合作伙伴，同时显着延长了供应链。因此，安全问题，如那些强加的功能逆向工程（RE），已成为精髓。可再生能源导致机密信息泄露给竞争对手，可能导致知识产权被盗。传统的功能逆向工程方法通过对给定的门级网表进行模式匹配来重构底层的基本块，从而对电路的功能进行逆向工程。在这项工作中，我们是第一个证明，应用近似计算（AxC）的原则，电路显着提高了对RE的弹性。这是由于底层模式匹配过程的复杂性增加。即使对于图神经网络（GNN），弹性仍然有效，GNN是目前功能RE中最强大的最先进的技术之一。使用AxC，我们证明了GNN平均分类准确率的大幅降低-从98%降至仅53%。为了克服AxC在RE中引入的挑战，我们提出了非常有前途的AppGNN平台，该平台使GNN（仍在精确电路上训练）能够：（i）执行准确的分类，以及（ii）对电路功能进行逆向工程，尽管应用了近似技术。AppGNN通过实现一种新的基于图的节点采样方法来实现这一点，该方法模仿通用近似方法，不需要目标近似类型的知识。我们进行了广泛的评估，并表明，使用我们的方法，我们可以提高分类精度从53%到81%时，分类近似加法器电路，已使用进化算法，我们的方法是不经意的。
2022-08-23 cs.CR
Reverse Engineering x86 Processor Microcode
微码是CPU物理组件之上的抽象层，目前存在于大多数通用CPU中。除了促进复杂和庞大的指令集，它还提供了一种更新机制，允许CPU在不需要任何特殊硬件的情况下就地打补丁。虽然众所周知CPU会定期使用此机制进行更新，但由于微码和更新机制是专有的，因此对其内部工作原理知之甚少，尚未进行彻底分析。本文以AMD的K8和K10微体系结构为例，对传统COTS CPU的微码语义及其更新机制的内部工作原理进行了逆向工程。此外，我们还演示了如何开发自定义微码更新。我们描述的微码语义，并另外提出了一组微程序，证明了这种技术所提供的可能性。为此，我们的微程序范围从CPU辅助检测到微编码木马，甚至可以从Web浏览器中访问，并实现远程代码执行和加密实现攻击。
2019-10-01 cs.CR
LSP Framework: A Compensatory Model for Defeating Trigger Reverse Engineering via Label Smoothing Poisoning
School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院）；National Computer network Emergency Response technical Team/Coordination Center of China（国家计算机网络应急技术处理协调中心）
提出LSP框架，通过标签平滑投毒操纵后门样本分类置信度，以击败触发器逆向工程防御，实验证明其有效性与兼容性。
2024-04-19 cs.CR cs.CV cs.LG
Threshold-Dependent Camouflaged Cells to Secure Circuits Against Reverse Engineering Attacks
利用当前的工具和技术，可以物理访问芯片的人可以提取集成电路（IC）的详细布局。通过使用先进的视觉成像技术，逆向工程可以揭示需要保密的细节，例如提供竞争优势的安全协议或新实现。IC封装是防御逆向工程攻击的一个很有前途的解决方案。在这项工作中，我们提出了一种新的封装技术的基础上的阈值电压的晶体管。我们将这些细胞称为阈值依赖性凋亡细胞。我们的工作不同于目前的商业解决方案，因为后者使用外观相似的细胞，假设逆向工程师很难识别细胞的功能。然而，如果细胞之间存在结构差异，那么这些细胞仍然很脆弱，特别是当逆向工程师使用更先进和精确的技术时。另一方面，所提出的阈值相关标准单元在结构上是相同的，而不管单元的功能如何。详细的电路模拟，我们提出的阈值相关的伪装细胞表明，它们可以用于成本效益和鲁棒性伪装大型网表。工艺，温度和电源电压（PVT）的变化的角落分析表明，我们的细胞在所有模拟的PVT角落的预期运行。
2016-05-02 cs.CR cs.ET
Rethinking the Reverse-engineering of Trojan Triggers
Rutgers University（罗格斯大学）
深度神经网络易受木马（或后门）攻击。逆向工程方法可以重建触发器，从而识别受影响的模型。现有的逆向工程方法仅考虑输入空间约束，例如，输入空间中的触发器大小。实际上，它们假设触发器是输入空间中的静态模式，并且无法检测具有特征空间触发器（例如图像样式转换）的模型。我们观察到，输入空间和特征空间木马与特征空间超平面。基于这一观察，我们设计了一种新的逆向工程方法，利用特征空间约束的逆向工程木马触发器。对四个数据集和七种不同攻击的结果表明，我们的解决方案有效地防御输入空间和特征空间木马。它在木马模型检测和缓解任务方面优于最先进的逆向工程方法和其他类型的防御。平均而言，我们的方法的检测精度为93%。对于木马缓解，我们的方法可以减少ASR（攻击成功率），只有0.26%的BA（良性准确性）保持几乎不变。我们的代码可以在https://github.com/RU-System-Software-and-Security/FeatureRE上找到。
2022-10-27 cs.AI cs.CR cs.CV
Attribution of Gradient Based Adversarial Attacks for Reverse Engineering of Deceptions
University of California, Santa Barbara（加州大学圣巴巴拉分校）；Mayachitra Inc（玛雅奇特拉公司）
机器学习（ML）算法在训练和部署过程中容易受到对抗攻击和欺骗。这些对抗性机器学习攻击背后的工具链的自动逆向工程将有助于恢复这些攻击中使用的工具和流程。在本文中，我们提出了两种技术，支持使用共生像素统计和Laplacian Resistance自动识别和归因对抗性ML攻击工具链。我们的实验表明，所提出的技术可以识别用于生成对抗样本的参数。据我们所知，这是第一种基于属性梯度的对抗攻击方法，并估计它们的参数。源代码和数据可在https://github.com/michael-goebel/ei_red上获得
2021-03-19 cs.CR cs.CV
Investigating Detection and Obfuscation of Prompt Injection Attacks Against Software Reverse Engineering AI Agents
Dept. of Computer Science（计算机科学系）；Naval Postgraduate School（海军学院）
本研究针对软件逆向工程AI代理面临的提示注入攻击，提出了检测反编译器输出中提示注入字符串的防御策略，并探索了攻击混淆及相应防御方法。
2026-05-29 cs.AI cs.CR cs.SE
LLM4CodeRE: Generative AI for Code Decompilation Analysis and Reverse Engineering
本文提出LLM4CodeRE框架，通过双向代码逆向工程实现反编译与源码翻译，采用多适配器和序列到序列统一方法提升任务适应性，实验显示其在反编译任务中表现优异。
2026-04-07 cs.AI cs.CR
An Exploratory Study of Hardware Reverse Engineering Technical and Cognitive Processes
了解集成电路（IC）的内部结构，称为硬件逆向工程（HRE），是合法和恶意方的利益。HRE是一个复杂的过程，其中半自动化的步骤与人类的感觉过程交织在一起。目前，很少有人知道的技术和认知过程，决定了HRE的成功。本文对逆向工程师如何解决问题，人工和自动分析方法如何相互作用，以及哪些认知因素起作用进行了初步调查。我们提出了一个探索性的行为研究的结果与8名参与者进行后，他们已经完成了为期14周的培训。我们探讨了我们的研究结果的有效性，通过比较他们的行为（应用的策略和解决方案的时间）的HRE专家。参与者在解决现实的HRE任务时被观察。我们测试了参与者的认知能力，并从日志文件中收集了大量的行为数据。通过比较最少和最有效的逆向工程师，我们能够观察到成功的策略。此外，我们的分析提出了一个阶段模型的逆向工程，包括三个阶段。我们的描述性结果进一步表明，认知因素工作记忆（WM）可能在有效解决HRE问题中发挥作用。我们的探索性研究为今后的研究奠定了基础，并概述了设计认知困难的对策（“认知混淆”）对HRE的想法。
2021-05-31 cs.CR cs.HC
Formal Analysis of Galois Field Arithmetics - Parallel Verification and Reverse Engineering
伽罗瓦域（GF）算术电路在通信、信号处理和安全工程中有许多应用。GF电路的形式化验证技术很少，且仅限于主输入和输出的位位置已知的电路。它们还需要不可约多项式$P(x)$的知识，这会影响最终的硬件实现。本文提出了一种计算机代数技术，执行验证和逆向工程的GF（$2^m$）乘法器直接从门级实现。该方法基于以并行方式提取唯一的不可约多项式，并且分三个步骤进行：1）确定输出位的位位置; 2）确定输入位的位位置;以及3）提取设计中使用的不可约多项式。我们证明，这种方法是能够逆向工程GF（$2^m$）乘法器在\textit{m}线程。在不同$P(x)$（包括NIST推荐的多项式）的\textit{Mastrovito}和\textit{Montgomery}乘法器上进行的实验证明了该方法的高效性。
2018-02-16 cs.CR cs.SC
A Linearly Convergent GAN Inversion-based Algorithm for Reverse Engineering of Deceptions
Johns Hopkins University（约翰斯·霍普金斯大学）；University of Pennsylvania（宾夕法尼亚大学）
针对对抗攻击逆向工程缺乏适用于复杂数据理论保证的问题，提出联合 GAN 反演与块稀疏恢复的欺骗逆向工程框架，并首次给出确定性线性收敛保证。
2023-06-07 cs.CR cs.LG
Non-Invasive Reverse Engineering of Finite State Machines Using Power Analysis and Boolean Satisfiability
在本文中，我们提出了一种非侵入性的逆向工程攻击的基础上，结合功能和功率分析，以恢复有限状态机从同步时序电路实现的新方法。所提出的技术制定的机器探索和状态识别问题作为一个布尔约束满足问题，并解决它使用SMT（可满足性模理论）求解器。它使用功率测量来实现快速收敛。使用LGSynth'91基准测试套件的实验结果表明，基于可满足性的方法比现有技术快几倍，并且可以成功地恢复目标机器的90%-100%的转换。
2019-08-06 cs.CR cs.SY eess.SY
Pop Quiz! Can a Large Language Model Help With Reverse Engineering?
New York University（纽约大学）；University of Calgary（卡尔加里大学）
大语言模型（如OpenAI的Codex）在软件领域已经展示了令人印象深刻的zero-shot多任务能力，包括代码解释。在这项工作中，我们研究，如果这种能力可以用来帮助逆向工程。具体来说，我们调查促使Codex从代码中识别目的，功能和重要的变量名称或值，即使代码是通过反编译产生的。除了在回答开放式问题的模型的反应检查，我们设计了一个真/假测验框架来表征性能的语言模型。我们对语言模型在一组程序目的识别和信息抽取任务上的测量性能进行了广泛的定量分析：在我们提出的136，260个问题中，它正确回答了72，754个。一个关键的外卖是，虽然有前途，LLMs还没有准备好zero-shot逆向工程。
2022-02-02 cs.CR cs.LG cs.SE
SNIFF: Reverse Engineering of Neural Networks with Fault Attacks
Silicon Austria Labs（奥地利硅实验室）；Graz University of Technology（格拉茨技术大学）；Nanyang Technological University（南洋理工大学）；Slovak University of Technology（斯洛伐克技术大学）
神经网络已被证明是脆弱的故障注入攻击。这些攻击会在计算过程中改变设备的物理行为，导致当前正在计算的值发生变化。它们可以通过各种故障注入技术来实现，从时钟/电压毛刺到激光器的应用到Rowhammer。在本文中，我们探讨了逆向工程神经网络与故障攻击的使用的可能性。SNIFF代表符号位翻转故障，其通过改变中间值的符号来实现逆向工程。我们在深层特征提取器网络上开发了第一个精确的提取方法，该方法可证明允许恢复模型参数。我们对Keras库的实验表明，使用64位浮点数时，测试网络的参数恢复精度误差小于$10^{-13}$，这将现有技术提高了6个数量级。此外，我们还讨论了针对故障注入攻击的保护技术，这些技术可以用来增强系统的抗故障能力。
2023-02-28 cs.CR cs.LG
NNReArch: A Tensor Program Scheduling Framework Against Neural Network Architecture Reverse Engineering
架构逆向工程已经成为针对深度神经网络（DNN）实现的新兴攻击。几个先前的工作已经利用侧信道泄漏来恢复模型架构，同时目标在硬件加速平台上执行。在这项工作中，我们针对开源深度学习加速器Versatile Tensor Accelerator（VTA），并利用电磁（EM）侧通道泄漏来全面了解DNN架构配置与EM辐射之间的关联。我们还考虑了整体系统-包括Xilinx FPGA上的VTA加速器的低级张量程序代码，并探索这种低级配置对EM泄漏的影响。我们的研究表明，张量程序的优化和配置都会影响电磁侧沟道泄漏。获得知识之间的关联的低级别张量程序和EM emanations，我们提出了NNReArch，一个轻量级的张量程序调度框架对侧通道为基础的DNN模型架构逆向工程。具体来说，NNReArch的目标是通过调度DNN模型的张量程序执行来重塑不同DNN运算符的EM轨迹，从而混淆对手。NNReArch是一个全面的保护框架，支持两种模式，一种是平衡模式，在DNN模型机密性和执行性能之间取得平衡，另一种是安全模式，选择最安全的设置。我们实现和评估所提出的框架上的开源VTA与国家的最先进的DNN架构。实验结果表明，NNReArch能够以较小的性能开销有效地提高模型体系结构的安全性。此外，所提出的混淆技术使得DNN架构的逆向工程明显更难。
2022-03-22 cs.AR cs.CR
ReIGNN: State Register Identification Using Graph Neural Networks for Circuit Reverse Engineering
University of Southern California（南加州大学）
对集成电路网表进行逆向工程是帮助检测恶意逻辑和抵制设计盗版的强大工具。这一领域的一个关键挑战是设计中数据路径和控制逻辑寄存器的正确分类。我们提出了ReIGNN，一种新的基于学习的寄存器分类方法，该方法将图神经网络（GNNs）与结构分析相结合，以高精度对电路中的寄存器进行分类，并在不同的设计中进行推广。GNN在处理电路网表方面特别有效，并且利用节点及其邻域的属性来学习有效地区分不同类型的节点。结构分析可以通过分析网表图中的强连接组件来进一步纠正被GNN错误分类为状态寄存器的任何寄存器。一组基准测试的数值结果表明，ReIGNN在不同的设计中平均可以达到96.5%的平衡精度和97.7%的灵敏度。
2021-12-01 cs.CR cs.LG
Promoting the Acquisition of Hardware Reverse Engineering Skills
这篇完整的研究论文集中在硬件逆向工程（HRE）的技能获取-网络安全的一个重要领域。HRE是安全工程师经常采用的一种流行技术，用于（i）检测恶意硬件操作，（ii）进行VLSI故障分析，（iii）识别IP侵权，以及（iv）执行竞争分析。尽管科学界和工业界对人力资源教育专家的需求很高，但缺乏教育课程。我们开发了一个大学水平的HRE课程的基础上，一般认知心理学研究的技能获取，作为研究HRE技能的收购是缺乏迄今为止。为了调查新手如何在我们的课程中获得HRE技能，我们对学生进行了两项研究，这些学生的先验知识水平不同。我们的研究结果表明，认知因素（例如，工作记忆），和先前的经验（例如，在对称密码学中）影响HRE技能的获得。最后，我们讨论了未来的HRE课程的影响，并概述了未来的研究，这将导致更全面的了解技能获取在这个重要的网络安全领域的想法。
2021-05-28 cs.CR cs.CY
Black-Box Guardrail Reverse-engineering Attack
City University of Hong Kong（香港城市大学）；Zhejiang University（浙江大学）；Hangzhou Dianzi University（杭州电子科技大学）
本文首次研究黑盒LLM护栏逆向工程攻击，提出基于强化学习和遗传算法数据增强的GRA框架，在ChatGPT、DeepSeek和Qwen3上以低于85美元成本实现超过0.92的规则匹配率，揭示了现有护栏设计的严重安全漏洞。
2025-11-06 cs.CL cs.CR
Designing a Hardware Reverse Engineering Course: Lessons from Eight Years in a Rapidly Evolving Tech Domain
Ruhr University Bochum（波鸿鲁尔大学）；Max Planck Institute for Security and Privacy（马克斯·普朗克安全与隐私研究所）；Center for Advanced Internet Studies（高级互联网研究中心）
本文介绍了一门面向本科生的硬件逆向工程课程，该课程聚焦于数字电路分析与提取，经过九次迭代（2017-2025）优化，总结了课程组织、内容和作业的演变经验，并提炼出针对快速发展技术领域课程设计的可操作优先事项。
2026-06-02 cs.CR cs.CY
Reverse Engineering and Control-Aware Security Analysis of the ArduPilot UAV Framework
University of North Texas（北德克萨斯大学）
本文通过逆向工程分析arduPilot无人机框架的软件架构和控制模型，探讨其潜在的安全风险及恶意利用可能性。
2025-12-01 cs.CR cs.SY eess.SY
REVERSIM: An Open-Source Environment for the Controlled Study of Human Aspects in Hardware Reverse Engineering
Ruhr University Bochum（波鸿鲁尔大学）
本文提出开源环境ReverSim，通过建模硬件逆向工程子过程并整合标准化认知测试，实现对非专家参与者的定量研究，发现认知处理速度与任务表现相关。
2025-03-05 cs.CR cs.HC
DREAM: Domain-free Reverse Engineering Attributes of Black-box Model
Beijing Institute of Technology（北京理工大学）；Sun Yat-sen University（中山大学）
针对现有黑盒模型属性逆向攻击需已知训练数据集的局限，本文提出DREAM框架，将问题转化为OOD泛化问题，实现了无需训练数据的域无关属性逆向，实验验证其优于基线方法。
2023-07-20 cs.CR cs.LG
On the Reverse Engineering of the Citadel Botnet
Citadel是一种针对金融信息的高级信息窃取恶意软件。这种恶意软件对个人和商业数据的机密性和完整性构成了真正的威胁。联邦调查局和微软数字犯罪部门最近进行了一次联合行动，以摧毁Citadel的指挥和控制服务器。这次行动对僵尸网络造成了一些破坏，但并没有完全阻止它。由于Citadel恶意软件的复杂结构和先进的反逆向工程技术，Citadel恶意软件分析过程既具有挑战性又耗时。这使得网络犯罪分子可以在分析仍在进行的同时继续攻击。在本文中，我们将介绍Citadel逆向工程的结果，并提供对恶意软件的功能、内部工作原理和开源组件的进一步了解。为了加快逆向工程的进程，我们提出了一个基于克隆的分析方法。Citadel是以前分析过的名为Zeus的恶意软件的后代;因此，使用前者作为参考，我们可以测量和量化新变体的相似性和差异性。该方法提供了两种类型的代码分析技术，即汇编源代码匹配和二进制克隆检测。该方法可以帮助减少需要手动分析的功能的数量。分析结果表明，该方法在Citadel恶意软件分析中具有良好的应用前景。此外，相同的方法适用于类似的恶意软件分析场景。
2014-06-21 cs.CR cs.NI cs.OS
Learning to Reverse DNNs from AI Programs Automatically
The University of Texas at Dallas（德克萨斯大学达拉斯分校）；Microsoft Research（微软研究院）
随着DNN在边缘设备上的私有化部署，设备上DNN的安全性引起了人们的极大关注。为了自动量化设备上DNN的模型泄漏风险，我们提出了NNReverse，这是第一种基于学习的方法，可以在没有领域知识的情况下从AI程序中反向DNN。NNReverse训练表示模型来表示DNN层的二进制代码的语义。通过在我们的数据库中搜索最相似的函数，NNReverse推断出给定函数的二进制代码的层类型。为了精确地表示汇编指令语义，NNReverse提出了一种更细粒度的嵌入模型来表示汇编函数的文本和结构语义。
2022-12-03 cs.AI cs.CR cs.LG
Neural Reverse Engineering of Stripped Binaries using Augmented Control Flow Graphs
Technion（以色列理工学院）
我们解决了剥离的可执行文件，其中不包含调试信息的逆向工程的问题。这是一个具有挑战性的问题，因为在剥离的可执行文件中可用的语法信息量很低，并且编译器优化产生了各种汇编代码模式。我们提出了一种新的方法来预测剥离的可执行文件中的过程名称。我们的方法结合了静态分析与神经模型。其主要思想是使用静态分析，以获得增强表示的调用网站，编码的结构，这些调用网站使用的控制流图（CFG），最后，生成一个目标名称，同时参加这些调用网站。我们使用我们的表示来驱动基于图、基于LSTM和基于Transformer的架构。我们的评估表明，我们的模型产生的预测对人类来说是困难和耗时的，同时比现有方法提高了28%，比不使用任何静态分析的最先进的神经文本模型提高了100%。该评估的代码和数据可在https://github.com/tech-srl/Nero上获得。
2020-10-16 cs.CR cs.LG cs.PL
Reverse-Engineering Decoding Strategies Given Blackbox Access to a Language Generation System
Google Deepmind（谷歌DeepMind）；University of Toronto（多伦多大学）
本文提出了在黑盒访问条件下逆向工程语言生成系统解码策略的方法，揭示了该方法对检测生成文本及发现解码设置偏差的重要意义，并在多个开源模型和生产系统上验证了攻击有效性。
2023-09-09 cs.CL cs.CR cs.LG
