이 논문은 소스 코드가 없는 경우 소프트웨어 보안 분석, 리버스 엔지니어링, 멀웨어 이해에 중요한 역할을 하는 이진 디컴파일의 문제점을 다룹니다. 기존 기술의 재컴파일 및 재실행 실패, 특히 최적화된 바이너리의 문제를 해결하기 위해, 대규모 언어 모델(LLM)의 인-컨텍스트 학습(ICL)을 활용하여 재실행 가능한 소스 코드를 생성하는 하이브리드 디컴파일 프레임워크인 ICL4Decomp를 제안합니다. ICL4Decomp는 여러 데이터 세트, 최적화 수준 및 컴파일러에서 기존 디컴파일 방법보다 재실행 가능성에서 약 40% 개선을 보였습니다.
