ارزیابی کارایی مدل های زبانی کوچک در تسهیل مبهم سازی ساختاری نرم افزار به کمک یادگیری کم پارامتر کوانتیده

محافظت از مالکیت معنوی نرم افزار در برابر مهندسی معکوس، نیازمند ابزارهای خودکار و هوشمند مبهم سازی کد است. روش های سنتی مبهم سازی جریان کنترل به دلیل اتکا بر قوانین صلب کامپایلری، انعطاف پذیری لازم را ندارند. در این پژوهش، یک رویکرد داده محور نوآورانه برای بازآرایی ساختاری کدهای C++ با استفاده از تنظیم دقیق کم پارامتر بر روی یک مدل زبانی بزرگ تخصصی کد توسعه یافته است. به منظور بهینه سازی مصرف منابع و امکان اجرا بر روی سخت افزارهای تجاری، روش تنظیم دقیق آگاه از کوانتیزاسیون در سطح ۴ بیت به کار گرفته شده است. ارزیابی های ساختاری بر روی نمودار درخت ساختار انتزاعی و پیچیدگی محاسباتی نشان می دهد که مدل قادر است با دقت بالا (امتیاز Pass@۱ معادل %۹۲) معماری توابع را به یک ماشین حالت متمرکز تبدیل کند، بدون آنکه معنا و صحت اجرای کد دچار تغییر شود. این دستاورد، مسیر را برای توسعه ابزارهای خودکار بومی جهت محافظت از دارایی های معنوی نرم افزاری، هموار می سازد.

کلیدواژه ها:

مبهم سازی ساختاری ، مدل های زبانی تخصصی ، تنظیم دقیق کم پارامتر ، کوانتیزاسیون لایه ، جریان کنترل کد.