想象一下，您正在对软件进行逆向工程。该软件使用了一个经过混淆和加密的库。该库包含一个函数，让我们调用它secret_function。这个函数是一个纯函数（即它没有任何副作用，当使用相同的参数调用时，它总是返回相同的输出）。
假设我可以用secret_function我想要的任何参数调用我想要的次数，但我无法查看实现，是否可以用另一种语言（例如 python）构建等效函数，只分析输入和输出值?
这是一个示例实现secret_function：
int secret_function(int a, int b) {
if (a == 234) {
return b*2 - a;
}
return a*b;
}
我想到的一种存档方法是使用每个可能的参数调用该函数（在示例中为 2^32 * 2^32，假设为 32 位整数）并存储所有这些，以根据参数返回它们，就像一个巨大的查找表。但这似乎不是很有效，如果可能的话。
更新：您可以假设该函数使用固定大小的参数。所以没有字符串或可变长度数组。
您的问题似乎与 Sibyl 的目标（https://github.com/cea-sec/Sibyl）有关。它尝试根据函数的副作用（返回值、内存写入等）来识别已知函数。当然，你需要一种数据库来“学习”这个功能！
如果您拥有所有可能的输入和所有预期的输出，并且它们与加密/压缩数据无法区分，那么您可以找到比仅拥有大型查找表更有效的存储机制。即使是简单的遗传算法也可以很快让您“使用 a * b，除非 a == 234”（我实际上已经为此类问题专门制作了一个求解器，尽管在更一般的数学公式情况下）。最后，这是一个相当普通的优化问题，您需要在存储空间、计算和准备时间之间取得平衡，以获得正确的结果。更复杂的算法可能需要更长的时间来解决，
但无论如何，要确定，您必须尝试所有可能的输入。对于几个整数来说这很容易（虽然肯定很费力），但对于像字符串这样的东西很快就站不住脚了。
除非您按照您的建议尝试所有输入可能性，否则您只能获得该函数的近似值。这基本上是机器学习领域的基本问题之一，所以我会这样看，而不是尝试为 2^32 * 2^32 值生成查找表。
您显然应该小心，您不能 100% 保证该函数是等效的，并且还请记住，在特定领域，如何计算输出与输出本身一样重要。以加密函数为例：具有相同的输出但暴露信息（由于内存泄漏、功耗峰值等）进行侧信道攻击意味着“等效”函数实际上比原始函数差得多（以至于它可能不会是合适的替代品）。
如果您能够对模型需要适用的秘密函数的输入做出一些假设，您可以使用它来指导您选择算法以生成新值以尝试作为函数的输入。
如果您能够对函数的特征做出一些假设，您可以使用它来指导您选择函数以适应秘密函数的输出，这将决定当您将其置于输入下时结果函数的行为方式还没试过。
即使是给出的“简单”示例，在这些领域中也可能有多种不同的解释。例如：
a会改变函数，并且它是 的两个线性函数之一，a并且b取决于该值，那么您平均需要 2^31 次试验才能找到魔术a值，从而显着缩小问题。a = 234）和求解线性方程组。这些都是很大的领域，并且有很多选项可供您利用，从而受益于您的问题的具体情况。