LLM4Decompile

环境要求

• Linux 环境（预处理依赖 gcc 与 objdump）
• Conda，用于创建 Python 3.9 环境 'llm4decompile'
• NVIDIA GPU + CUDA（模型以 torch.bfloat16 加载到 .cuda()）
• 可访问 HuggingFace 下载模型权重（如 LLM4Binary/llm4decompile-6.7b-v1.5）
• 如走 Docker 路线需 Docker 与 --gpus all 支持（nvidia-container-toolkit）

安装与启动步骤

1. 1克隆项目仓库

   把官方仓库克隆到本地并进入项目根目录，后续安装命令都在此目录执行。

   git clone https://github.com/albertan017/LLM4Decompile.git
   cd LLM4Decompile

   复制

2. 2创建 Conda 环境

   按 README 指定使用 Python 3.9 创建名为 llm4decompile 的独立环境，避免依赖冲突。

   conda create -n 'llm4decompile' python=3.9 -y

   复制

3. 3安装项目依赖

   激活环境后用 requirements.txt 一次性装齐 transformers、torch 等依赖。

   conda activate llm4decompile
   pip install -r requirements.txt

   复制

4. 4编译并反汇编

   把待反编译的 C 文件用 GCC 编译成目标文件，再用 objdump 反汇编为 .s 汇编文件；随后按 README 的 Python 脚本清洗汇编并拼成提示词，注意把 func0 换成真实函数名。

   gcc -o samples/sample_O0.o samples/sample.c -O0 -lm
   objdump -d samples/sample_O0.o > samples/sample_O0.s

   复制

5. 5运行模型反编译

   加载 V1.5 模型与分词器到 GPU，读取 .asm 提示词生成 C 源码，并打印原始函数与反编译结果对比。首次运行会下载权重，请留足显存与时间。

   from transformers import AutoTokenizer, AutoModelForCausalLM
   import torch
   
   model_path = 'LLM4Binary/llm4decompile-6.7b-v1.5'
   tokenizer = AutoTokenizer.from_pretrained(model_path)
   model = AutoModelForCausalLM.from_pretrained(model_path, torch_dtype=torch.bfloat16).cuda()
   
   with open('samples/sample_O0.asm','r') as f:
       asm_func = f.read()
   inputs = tokenizer(asm_func, return_tensors="pt").to(model.device)
   with torch.no_grad():
       outputs = model.generate(**inputs, max_new_tokens=2048)
   c_func_decompile = tokenizer.decode(outputs[0][len(inputs[0]):-1])
   
   with open('samples/sample.c','r') as f:
       func = f.read()
   
   print(f'original function:\n{func}')
   print(f'decompiled function:\n{c_func_decompile}')

   复制

6. 6Docker 方式运行

   也可用仓库自带 Dockerfile 构建镜像；运行时加 --gpus all 挂载 GPU，进入容器后到 ghidra 目录跑 demo。需按自身资源选择合适尺寸的模型。

   docker build -t llm4decompile .
   docker run --gpus all -it --name llm4decompile llm4decompile /bin/bash
   cd ghidra
   python demo.py

   复制

关键配置

如何确认成功

终端先后打印出 original function 与 decompiled function，即模型成功生成了反编译 C 代码。

常见问题

注意事项

• 必须把示例里的 func0 替换成真实函数名，否则预处理阶段会抛 ValueError。
• 反编译是函数级任务，输出只对应一个函数，不等同于还原完整源文件。
• 首次运行会从 HuggingFace 下载数 GB 级模型权重，建议提前配好网络与磁盘空间。
• Docker 运行示例的 demo.py 位于容器的 ghidra 目录下，运行前需先 cd ghidra。