该项目用于多架构二进制文件符号表恢复，采用机器学习方法，参考文献为《Revisiting Binary Code Similarity Analysis using Interpretable Features》，训练集为 Binkit1.0(链接 https://github.com/SoftSec-KAIST/BinKit)支持 x86 / x86_64, ARM / ARM64, MIPS / MIPS64 三种主流架构。
本项目侧重于去符号表信息的 elf 文件的函数名称恢复。
项目中/preprocess 中代码与 Binkit 仓库的预处理代码一致
在/main/helper 中，我们仿照论文，并且修改了一些对于无符号表文件恢复无法提取的参数
参数如下：
**CFG features CFG 特点**
cfg_size
cfg_avg_degree
cfg_num_degree
cfg_avg_loopintersize
cfg_avg_loopsize
cfg_avg_sccsize
cfg_num_backedges
cfg_num_loops
cfg_num_loops_inter
cfg_num_scc
cfg_sum_loopintersiz
cfg_sum_loopsize
cfg_sum_sccsize
**CG features CG 特色**
cg_num_callees
cg_num_callers
cg_num_imported_callees
cg_num_incalls
cg_num_outcalls
cg_num_imported_calls
**Instruction features 指令特性**
inst_avg_abs_dtransfer
inst_avg_abs_arith
inst_avg_abs_ctransfer
inst_num_abs_dtransfer (dtransfer + misc)
inst_num_abs_arith (arith + shift)
inst_num_abs_ctransfer (ctransfer + cond ctransfer)
inst_avg_inst
inst_avg_floatinst
inst_avg_logic
inst_avg_dtransfer
inst_avg_arith
inst_avg_cmp
inst_avg_shift
inst_avg_bitflag
inst_avg_cndctransfer
inst_avg_ctransfer
inst_avg_misc
inst_num_inst
inst_num_floatinst
inst_num_logic
inst_num_dtransfer
inst_num_arith
inst_num_cmp
inst_num_shift
inst_num_bitflag
inst_num_cndctransfer
inst_num_ctransfer
inst_num_misc
**Type features 类型特征**
data_mul_arg_type
data_num_args
data_ret_type
其中 Type features 类型特征的提取不再依赖源码了，而是依靠ida软件解析的函数的形参
项目整体的流程为
①修改/config/path_variables.py为自己本地路径
②提取需要恢复符号表信息的elf文件特征，指令请见/main/example/example.sh
③根据符号需要恢复的程度，可以自己选择需要参与训练文件，详情请见/main/example/input_list_find.txt
PS:不用担心训练时间，训练时间非常短，而提取特征的流程较长，因此如果需要更完善的恢复，需要尽可能多的选择训练集
④用/main/helper/test_roc.py训练模型，训练指令如下
python3 helper/test_roc.py \
--input_list "example/input_list_find.txt" \
--config "config/gnu/config_gnu_normal_all.yml"⑤训练完之后，调用/main/helper/test_topk.py即可查看函数恢复的效果以及对应的函数名称