004-羅老師和黎老師的意見回答_郭余劉_20190125pm

1、羅夏樸老師的意見問題幾個小建議：（1）遷移分析為何可以解決這個問題的原因也許可以寫的更多一些；（2）想問問代碼補全對反混淆的作用是什么？也許可以基于現在的混淆方法來說明一下為何這些方法可以反混淆。另外一個是思路是：現在有人提出利用程序生成來做這個，也就是說不直接反混淆，而是重新生成清晰的程序感覺也許遷移學習或者代碼補全可以做這個（1）遷移分析為何可以解決這個問題的原因（余嘯、郭峻材分別填些理由，我再綜合一下）【余嘯詞向量預訓練】這里的“

2、遷移學習”主要是指的是代碼的詞向量預訓練（訓練出的詞向量就表示了代碼背景語義信息）。目前NLP領域將詞向量預訓練（相當于圖1中低級的詞向量編碼部分）也算作遷移學習了（余嘯問了幾個做NLP的同學）。建議把遷移學習的字眼去掉，如果一定要說遷移這個字眼，就將“突出采用BigCode背景信息深度增強方式作為roid代碼反混淆的基本方法，基于遷移學習的思想（【劉進】我想可能是這樣：直接說遷移學習的話，不清楚這塊的審稿人會較真要求解釋遷移學習概念和

3、這個申報書背景里的相關舉證，甚至這么做了還會認為我們也沒說清楚，是個邏輯上的bug，這樣帶來很多麻煩。所以盡量不要用專業(yè)路線去講，而用科普路線去說），將代碼背景語義信息合理引入反混淆模型中”改成“突出采用BigCode背景信息深度增強方式作為roid代碼反混淆的基本方法，將代碼背景語義信息合理遷移到反混淆模型中?！盢extSentencePrediction進行主要模塊的預訓練，當用于目標任務時，只需要對模型進行輸入和輸出微調即可。（本

4、項目主要原理）借鑒NLP中“遷移學習”（此處應與余嘯所提觀點類似）的成功經驗，可以通過構建一個利用BigCode中多種代碼分析任務來學習BigCode代碼背景語義信息的可遷移代碼語義模塊（下圖紅色線圈中的部分）。當用于目標任務即roid代碼反混淆任務中時，可以將在BigCode中預訓練過的代碼語義模塊遷移到roid代碼反混淆模型中，實現代碼語義增強的功能，并在模型訓練中繼續(xù)優(yōu)化，實現對反混淆任務的合理適配。（2）想問問代碼補全對反混淆的