ІНТЕЛЕКТУАЛЬНІ ПІДХОДИ ДО ЗАХИСТУ ВИХІДНОГО КОДУ

Анотація

У статті розглядається інтегрована технологія захисту вихідного коду, яка поєднує традиційні методи обфускації з можливостями штучного інтелекту для оптимізації процесу захисту. Представлено методологію, що базується на аналізі проміжного коду (IL) у додатках .NET, де AI використовується для автоматичного підбору та застосування найбільш ефективних стратегій обфускації. Система реалізована з використанням сучасних інструментів для роботи з IL-кодом, таких як Mono.Cecil, у поєднанні з фреймворками машинного навчання (.NET ML, TensorFlow.NET, та ніші), що дозволяє адаптувати процес обфускації до характеристик конкретного коду.

Методологія передбачає поетапний аналіз вхідного коду, де на першому етапі проводиться синтаксичний і семантичний аналіз для виявлення критичних ділянок, які потребують посиленого захисту. Наступний етап полягає у застосуванні AI-модуля, який, використовуючи рекурентні нейронні мережі (наприклад, LSTM) та глибокі автоенкодери, що об’єднані в ансамблеві структури, дає змогу прогнозувати оптимальну стратегію обфускації для кожного сегмента коду. Інтеграція ансамблевих підходів дозволяє комбінувати прогнози кількох моделей, що значно покращує точність і стійкість системи до реверс-інжинірингу.

Проведені експерименти демонструють, що інтеграція AI значно підвищує стійкість коду до реверс-інжинірингу, зберігаючи при цьому функціональність програмного забезпечення. Стаття розглядає теоретичні засади, описує архітектуру розробленої системи та демонструє результати експериментальної перевірки запропонованого підходу, що підтверджують його ефективність у сучасних умовах розробки програмного забезпечення.