سؤال مصاحبه

4 تست پاس شدند و کد بازسازی‌شده 26 بایت است

Four tests pass and the rebuild is 26 bytes long

  • سطح ۲: میانی
  • اشکال‌یابی
  • ۸ دقیقه

یک ایجنت بر اساس شبه‌کد دیکامپایلر، تابع percent_change را بازسازی می‌کند. شبه‌کد به این صورت است: undefined1 [16] percent_change(int param_1, int param_2, ulong param_3) همراه با lVar1 = (long)((param_2 - param_1) * 100). کد بازسازی‌شده (int)(((long)after - before) * 100 / before) است و هر 4 تست دستی پاس می‌شوند. اما فهرست اسمبلی (listing) همان رکورد شامل IMUL EAX, ESI, 0x64، CDQ و IDIV EDI است. کجای کار ایراد دارد و قاعده‌ی اصلی چیست؟

اول خودتان جواب بدهید، بعد پاسخ را باز کنید.

پاسخ کوتاه

خروجی 16 بایتی و پارامتر سوم، حدسیات دیکامپایلر هستند نه رفتار واقعی برنامه: دستور idiv جفت‌ثبات EDX:EAX را بازنویسی می‌کند و مسیر صفر، ثبات EDX را دست‌نخورده باقی می‌گذارد؛ به همین دلیل دیکامپایلر خروجی را 16 بایتی مدل کرده و %rdx را ورودی در نظر گرفته است. فهرست اسمبلی می‌گوید همه‌ی عملیات‌ها 32 بیتی هستند؛ بنابراین بازسازی درست و صادقانه در قالب int به‌صورت 100 * (after - before) / before است. نسخه‌ی long حاصل‌ضرب نامحدود (unwrapped) را تقسیم می‌کند و در 26 خانه از ماتریس حالت‌های سرریز شکست می‌خورد؛ علاوه‌براین، حجم باینری کامپایل‌شده‌ی آن 26 بایت است، در حالی که نسخه‌ی اصلی 16 بایت دارد. قاعده‌ی اصلی این است: پیش از خواندن شبه‌کد، فهرست اسمبلی را بررسی کنید، کد بازسازی‌شده را بر اساس عرض عملیات‌ها بنویسید و شناسه‌ی رکوردی را که کد از آن آمده مستند کنید.

پاسخ کامل

تفکیک دستور واقعی از حدس، خط‌به‌خط

تفاوت حکم ارزیابی
نوع بازگشتی undefined1 [16] در برابر int حدس؛ دستور idivl روی دو ثبات می‌نویسد و هیچ فراخواننده‌ای عرض آن را مشخص نکرده است
پارامتر param_3 حدسی که از مورد اول ناشی شده؛ %rdx فقط به این دلیل در مسیر صفر خوانده می‌شود که عرض مقدار بازگشتی حدس زده شده بود
lVar1 / (long)param_1 & 0xffffffff در برابر / param_1 دستور واقعی؛ ترکیب cltd و idivl یک تقسیم 32 بیتی با بسط علامت (sign-extended) است و هر دو متن همین را توصیف می‌کنند
ابتدا if (param_1 != 0) آمدن ترتیب دستورها؛ این branch به سمت بازگشت مقدار صفر می‌پرد و هر کدام از شاخه‌ها ممکن است اول چاپ شوند

تفاوتی که پشتوانه‌ی دستوری دارد، صرفاً حاصل نحوه‌ی نمایش است. تفاوتی که هیچ دستوری از آن پشتیبانی نمی‌کند، یک حدس است و این حدس می‌تواند در هر دو سمت رخ دهد.

چرا آن 4 تست پاس شدند؟

حالت‌های ساده و دم‌دستی از تمام سناریوهای دشوار دوری می‌کنند. تا زمانی که مقدار (after - before) * 100 در 32 بیت جا شود، نتیجه‌ی ضربِ سرریزشده (wrapped) و نامحدود یکسان است؛ بنابراین تستی که از این مرز عبور نکند، هر دو تابع را برابر می‌بیند. در یک ماتریس تست با خانه‌های سرریز، نسخه‌ی بازسازی‌شده با long در 26 خانه شکست می‌خورد که در همه‌ی آن‌ها |before| > 1 است؛ اگر before برابر با 1 یا -1 باشد، خارج‌قسمت 64 بیتی پس از کوتاه‌سازی (truncation) تصادفاً به همان مقدار سرریزشده تبدیل می‌شود و هر دو نسخه اتفاقی هم‌جواب می‌شوند.

حجم باینری زودتر هشدار داده بود

وقتی نسخه‌ی long را با فلگ‌های اصلی کامپایل کنید، حجم آن 26 بایت می‌شود: دستورهای movslq، imulq، cqto و idivq جایگزین فرم‌های 32 بیتی شده‌اند. هرچند اندازه‌ی کد یک معیار تشخیصی است و نه ملاک پذیرش نهایی، اما فهرست اسمبلی عرض دستورها را پیش از هر کامپایلی نشان داده بود.

پژوهش‌ها درباره‌ی این الگو چه می‌گویند؟

پژوهشی در سال 2026 روی سیستم‌های دیکامپایل نشان داد گزینه‌هایی وجود دارند که تمام تست‌های یک بنچ‌مارک را پاس می‌کنند، اما با ورودی‌های حاصل از فازینگ (fuzzed) دچار انحراف رفتاری می‌شوند. قوی‌ترین مدل پالایش (refinement model) نرخ بیلد موفق را از 75 به 90 درصد رساند، اما میزان تطابق رفتاری از 74 به 62 درصد افت کرد. علت این افت، ابداع فیلدها، نوع‌ها، توابع فراخوانده‌شده و گاردهایی ساختگی بود که جای مجهولات آشکار دیکامپایلر را در متن خروجی پر کرده بودند. بازسازی با long نیز نمونه‌ای از همین نوع‌های ساختگی است.

سؤال‌های تکمیلی مصاحبه‌گر
  • سطح 2: چرا آن 4 تست متوجه خطا نشدند؟ پاسخ مورد انتظار: هیچ‌کدام حاصل‌ضرب را از 32 بیت فراتر نبردند، و دو نسخه تا زمانی که ضرب در این محدوده جا شود رفتاری همسان دارند.
  • سطح 3: کدام ورودی‌ها تفاوت را آشکار و کدام ورودی‌ها آن را تصادفاً پنهان می‌کنند؟ پاسخ مورد انتظار: خانه‌های سرریز با |before| > 1 خطا می‌دهند؛ مقادیر 1 یا -1 برای before خروجی یکسان دارند، چون خارج‌قسمتِ عریض به مقدار سرریزشده کوتاه می‌شود.
  • سطح 3: حجم 26 بایتی پیش از اجرای کد چه پیامی داشت؟ پاسخ مورد انتظار: فرم‌های عریض‌ترِ دستورالعمل جایگزین فرم‌های 32 بیتی شده‌اند، پس این نسخه محاسبات را با عرضی متفاوت از فهرست اسمبلی انجام می‌دهد.
  • سطح 4: یافته‌های مدل پالایش چه تغییری در شیوه‌ی خواندن شبه‌کدهای تر‌وتمیز ایجاد می‌کند؟ پاسخ مورد انتظار: یک امضای تمیز وقتی مجهولی را پر می‌کند، ممکن است کاملاً بر پایه‌ی دلیلی اشتباه درست به نظر برسد؛ باید همان فرم نه‌چندان زیبای صادقانه را حفظ کرد و مواردی را که هیچ دستوری از آن‌ها پشتیبانی نمی‌کند به ثبت رساند.
جواب‌های اشتباهی که مصاحبه‌گرها زیاد می‌شنوند
  • «دیکامپایلر خراب است؛ خروجی‌اش را نادیده بگیرید.» دستورهای آن درست بودند؛ فقط بخش‌هایی که دستورها نامشخص گذاشته بودند بر پایه‌ی حدس تولید شدند، و فهرست اسمبلی در همان رکورد نقش تصحیح‌کننده را دارد.
  • «عبارت & 0xffffffff باگ دیکامپایلر است.» این عبارت کوتاه‌سازیِ یک تقسیم با بسط علامت را به‌درستی توصیف می‌کند.
  • «ده تست پاس شد، کار تمام است و بفرستید برود.» ماتریسی شامل حالت‌های سرریز، منفی، گرد کردن و تله‌ها، تست واقعی است؛ آن ده تست از همه‌ی این خطرات قسر در رفته بودند.

کجای دوره آموزش داده می‌شود

درس بالا کشیدن (Lifting) جدول تفاوت‌ها را تکمیل می‌کند، درس بازسازی ماتریس تست را اجرا می‌کند، و بخش بستر آزمایشی اثبات (Proof) 26 خانه‌ی ناموفق و کد کاندید 26 بایتی را ثبت می‌کند.