在您的输入和所需输出之间，显然有一个巨大的搜索空间。您作为特征包含的相关领域信息越多，深度学习 (DL) 算法找到所需映射的机会就越大。

在深度学习研究的早期阶段，没有太多的经验法则可以告诉你要明确编码哪些特征——尤其是因为它取决于你的训练语料库的大小。我的建议是：获取（或生成）大量 C 代码库，使用您认为可行的最简单的特征表示对其进行训练，然后重复收集数据并根据需要添加更多特征预处理。

下面的这篇论文描述了一种 DL 方法来解决几乎是您的“逆向问题”的问题 -为用自然语言描述的程序生成源代码。

我发现本文报告的结果的强度令人惊讶，但它确实给了我一些希望，即您所要求的可能是可能的。

软件逆向工程是我的爱好之一。

首先要做的事情是：忘记标题。所有关于头文件和单独的 C 文件的信息都消失了。

恕我直言，您错过了一些关键步骤。

• 编译创建一个或多个目标文件 (.o)，然后链接器创建一个可执行文件。

• 您应该使用反汇编代码。反汇编器在一些例外情况下工作得很好（自修改代码、自解压可执行文件、各种混淆技术），并且会为您处理很多工作：识别各个部分、查找函数、猜测（相当准确）调用约定.

• 然后编译器优化将以一种非常聪明的方式弄乱您的代码，并且您的原始代码的某些部分将永远不会再被看到（嘿，看，您的 200 行错误代码总是返回 0，所以我将它们替换为“异或 eax，eax”）。

• 有时，这很好，有时它会产生不可读的 C 代码（没有 C 等效项的向量化，将被反编译成数百行内在代码，而不是可读的“for”循环）。

• 我还没搞定。您还有异常和中断、结构、联合、函数指针、函数内联、线程、系统调用和信号、循环展开等。

与上升（反编译）相比，下降（从人类可读到二进制）相对容易，因为在编译过程中丢失了很多信息。

我最好的选择是让反汇编程序生成一堆反汇编函数，并使用您的 AI 生成 LLVM 中间表示，然后将其与 Clang ( clang -S -emit-llvm foo.c) 生成的 LLVM IR 进行比较。

无限数量的 C 代码可以生成完全相同的代码。因此，我认为让一个AI读取C代码以进行反编译是没有意义的：信息永远丢失了。

商业和开放/免费的反编译器也不产生 C 代码，它们产生某种充满错误、缺失代码或比 ASM 可读性差的代码的伪 C。

以下代码：

int main() {
    int toto = 0x0000BEEF;
    int titi = 0xDEAD0000;
    toto = toto | titi;
    return toto;
}

产生这个：

int __cdecl main(int argc, const char **argv, const char **envp)
{
     return -559038737;
}

这是反汇编版本：

mov     eax, 0DEADBEEFh
retn

加上数千行与您的代码无关但需要使程序正常运行的程序集。

你不能回去，你无法知道这是完全相同的代码，除非

1. 您可以进行静态分析（在这种情况下非常容易，但在现实世界中却非常困难）

2. 或者比较两个代码生成的 IR 或 ASM 与相同的编译器在相同的架构和操作系统上具有相同的选项。