1、研究內容研究內容圍繞研究目標，研究內容如下：1、基于基于BigBigCodeCode遷移分析的代碼背景信息增強方法遷移分析的代碼背景信息增強方法（梳理基本思路，形成整體的方（梳理基本思路，形成整體的方法框架）法框架）以利用BigCode資源挖掘混淆代碼背景增強信息為基本線索，梳理建立相似代碼遷移學習的基本技術途徑，確定roid應用代碼反混淆的理解和評價技術。對于存在的大規(guī)模程序資源（BigCode），選取包括代碼克隆檢驗等在內的相似性代

2、碼挖掘技術和代碼摘要技術，獲取和利用與混淆代碼相似的已有代碼，挖掘和提煉與混淆代碼背景相關的增強信息?？紤]在具有代碼背景增強信息的基礎上，實現(xiàn)對于混淆代碼的有效理解和反混淆評價。2、基于代碼分析多任務（基于代碼分析多任務（inputinput）的代碼語義模型（）的代碼語義模型（outputoutput）（作為核心模型預訓練，引入bigcode中的背景知識，實現(xiàn)反混淆代碼的語義充實semanticsemanticenrichmentenr

3、ichment，解決混淆反混淆代碼的理解與表示問題）2.1）BigBigCodeCode中存在的多種代碼分析任務梳理中存在的多種代碼分析任務梳理與綜合（為語義充實做準備）與綜合（為語義充實做準備）（inputinput）（構建預訓練的代碼集，相關代碼片段的特征映射（構建預訓練的代碼集，相關代碼片段的特征映射語義充實語義充實semanticsemanticenrichmentenrichment）研究BigCode中存在的多種代碼分析任務

4、，收集不同任務的代碼集，進行分類整理與代碼清洗，其中的任務包括代碼克隆檢測、代碼摘要、代碼補全與缺陷預測等。利用混淆工具對源代碼進行混淆，得到不同任務下的混淆代碼集，以解決混淆代碼的缺失問題，即補充混淆代碼的語義信息。2.2）基于代碼分析多任務的代碼語義模型構建（解決了?；诖a分析多任務的代碼語義模型構建（解決了。。。。，以及表示問題，，以及表示問題，語義充實義充實semanticsemanticenrichmentenrichmen

5、t的具體實現(xiàn)的具體實現(xiàn)）針對大規(guī)模程序資源（BigCode）中不同任務的代碼集合，借鑒深度學習中的語義模型，研究如何構建具有遷移性的代碼語義模塊，用以表征能夠反映BigCode背景信息的代碼語義空間。根據不同任務的輸入輸出，研究如何構建不同任務的訓練模型，并包含相同的代碼語義模塊，以學習和提煉多任務代碼之間的共同和相異特征，實現(xiàn)代碼反混淆過程中的語義充實，解決，解決混淆反混淆代碼的理解與表示問題，從而支持實現(xiàn)基于基于BigBigCode

6、Code遷移分析的混淆代碼背景信息增強遷移分析的混淆代碼背景信息增強。3、BigBigCodeCode背景信息深度增強的背景信息深度增強的roidroid代碼反混淆（郭的深度方案）代碼反混淆（郭的深度方案）3.1）混淆代碼的規(guī)則與統(tǒng)計分析混淆代碼的規(guī)則與統(tǒng)計分析針對常用的代碼混淆工具，如ProGuard，研究這些工具在代碼混淆中對源代碼的4.3）基于混淆差異性的代碼反混淆性能優(yōu)化基于混淆差異性的代碼反混淆性能優(yōu)化根據不同混淆工具的差異性

7、對代碼反混淆結果的影響分析，研究如何利用這種差異性及其影響改善反混淆模型的性能。第一步，綜合多種反混淆工具構建更大的反混淆訓練代碼集，以增強反混淆模型的魯棒性，優(yōu)化反混淆代碼；第二步，通過深入挖掘得到的影響反混淆代碼質量的原因，調整反混淆模型結構，進一步優(yōu)化反混淆結果。5、反混淆代碼的質量評估反混淆代碼的質量評估（這塊要加強（這塊要加強更完善的方案和細節(jié)）更完善的方案和細節(jié)）（余嘯再重改一下（余嘯再重改一下201901162019011

8、6）研究如何根據混淆代碼背景增強信息建立清晰的逆向結果質量評價體系，主要分為人（專家）機結合的反混淆代碼質量評估和基于目標任務的反混淆代碼質量評估兩個方面。5.1）人（專家）機結合的反混淆代碼質量評估人（專家）機結合的反混淆代碼質量評估研究如何根據相對正確性規(guī)則檢驗反混淆之后代碼與混淆代碼的差異程度，結合人工(專家)評價和機器評價(信息檢索領域評價指標如精度、召回率、準確率，機器翻譯領域評價指標如BLEU(BilingualEvalua

9、tionUnderstudy))形成有效的反混淆質量評估技術。5.2）基于目標任務的反混淆代碼質量評估基于目標任務的反混淆代碼質量評估研究如何設置受控對照試驗方案(混淆代碼與反混淆之后的代碼對照)，通過完成具體任務如惡意軟件檢測，第三方庫檢測的效果，對反混淆之后的代碼進行綜合評價。6、深度背景增強的深度背景增強的roidroid代碼反混淆驗證代碼反混淆驗證（這塊要加強（這塊要加強更完善的方案和細節(jié)）更完善的方案和細節(jié)）研究基于BigCo