Deobfuscation of Semi-Linear Mixed Boolean-Arithmetic Expressions

混合布尔-算术（MBA）混淆是一种常见的技术，用于将简单的表达式转换为在布尔和算术运算符中更复杂的等效语义组合。它在数字版权管理系统、恶意软件和软件保护程序中的广泛使用已经有充分的文献记录。2021年，Liu等人提出了一种开创性的线性MBA简化方法，利用1位和n位变量之间的隐藏双向转换。2022年，Reichenwallner等人提出了一种类似但更有效的线性MBA简化方法，SiMBA，依赖于一个类似但更复杂的定理。然而，由于当前的线性MBA简化器在1位空间中运行，它们无法处理在位运算操作数内使用常量的表达式，例如（x＆1），（x＆1111）+（y＆1111）。我们提出了SiMBA的扩展，使其能够简化这种更广泛的表达式类。它超越了同类工具，实现了一类当前简化器难以处理的MBA的高效简化。

论文试图解决的问题是如何扩展现有的线性MBA简化工具，使其能够处理包含常量的位运算表达式。

论文提出了一种扩展SiMBA的方法，利用隐式的1位和n位变量之间的双向转换，实现更广泛类别的MBA简化。

论文的实验结果表明，该方法可以高效地简化包含常量的位运算表达式，并且在处理大规模数据时具有较高的效率。此外，论文还提供了开源代码，并且指出未来可以将该方法应用于其他领域。

最近的相关研究包括2021年Liu等人提出的简化线性MBA的方法，以及2022年Reichenwallner等人提出的SiMBA方法。