Resumen

Diferentes herramientas de software, como descompiladores, analizadores de calidad de código, reconocedores de archivos ejecutables empaquetados, analizadores de autoría y detectores de malware, buscan patrones en el código binario. El uso de algoritmos de aprendizaje automático, entrenados con programas tomados de la gran cantidad de aplicaciones en los repositorios existentes de código fuente abierto, permite encontrar patrones no detectados con el enfoque manual. Con este fin, hemos creado una plataforma versátil para la extracción automática de patrones del código nativo, capaz de procesar grandes archivos binarios. Su implementación ha sido paralelizada, proporcionando importantes beneficios de rendimiento en tiempo de ejecución para arquitecturas multinúcleo. En comparación con la ejecución de un solo procesador, la mejora de rendimiento promedio obtenida con la mejor configuración es de 3.5 factores sobre la ganancia teórica máxima de 4 factores.

• Materias:Calibración geométrica Núcleos computacionales Consultas de palabras clave Pronóstico probabilístico Máquina de aprendizaje
• Subjects:Geometric calibration Computational kernels Keyword queries Probabilistic forecasting Machine learning
• Palabras claves:Herramientas de software; Descompiladores; Analizadores de calidad de código; Algoritmos de aprendizaje automático; Código binario; Beneficios de rendimiento en tiempo de ejecución
• Keywords:Software tools; Decompilers; Code quality analyzers; Machine learning algorithms; Binary code; Runtime performance benefits