一种基于大语言模型的可理解性评估指标导向的反编译代码优化方法

本发明公开一种基于大语言模型的可理解性评估指标导向的反编译代码优化方法，该方法主要针对Java反编译代码，首先通过设计并实现一个可理解性评估指标，实现对反编译代码可理解性的定量分析。在此基础上，该方法引入语法正确性与语义一致性检查机制，在确保优化前后代码语法正确、语义一致的前提下，通过抽象语法树自动识别代码中可优化的片段，并将其添加到提示词中，引导大语言模型对反编译代码进行优化。进而，本发明通过评估指标对优化前后代码进行量化对比，基于对比结果控制迭代优化流程。本发明不仅能提高优化反编译代码，提高其可理解性，还能为反编译器开发者提供一种指标导向的改进思路，可广泛应用于逆向工程、安全分析等场景中。