文件名称：stealth-eval:通过机器学习进行代码隐身评估
文件大小：11.04MB
文件格式：ZIP
更新时间：2024-05-29 10:44:31
machine-learning obfuscation code-analysis C
通过机器学习进行隐身评估 代码混淆技术被广泛用于保护软件免受MATE（端对端）攻击。 代码混淆的目的是使一个程序对于敌对的人来说更难以理解，同时为其所需的用户保留程序的语义。 要评估混淆程序的质量，我们可以测量给定程序的弹性和隐身性。 这里， 弹性：攻击者理解混淆代码所需的工作 隐身性：混淆代码与未混淆代码的区分程度 因此，该隐身评估项目旨在分析如何使用机器学习方法将混淆代码与未混淆代码区分开。 先决条件 使用此存储库时，必须具备以下条件： v2.2或更高版本 及其依赖项 及其依赖项 至少安装了pandas v0.22，matplotlib v2.1.2，sklearn v0.19.1的Python3 准备工作 确保tigress（ tigress ， $TIGRESS_HOME ）可以用作环境变量。 将代码分析放在隐身评估根目录下。 将来自Obfuscate-jmp的makeC