Kuna: 코딩 에이전트 시대의 디컴파일러 개발

TL;DR Highlight

LLM이 거의 전부 짠 디컴파일러 Kuna, 제어 흐름 구조화에서 IDA Pro와 근접

Who Should Read

코딩 에이전트에게 큰 프로젝트를 맡기고 자동으로 품질을 끌어올리는 방법이 궁금한 백엔드·툴링 개발자

Core Mechanics

LLM이 거의 모든 코드를 썼다
- Kuna는 실험용 디컴파일러(바이너리를 C 코드로 되돌리는 도구)다.
- 저자는 거의 모든 줄을 LLM이 작성했다고 밝혔다.
구조화 점수가 IDA와 비슷하다
- C 프로그램의 제어 흐름 구조화(if·loop·switch를 복원하는 일)에서 완벽 구조화 함수가 44.4%다.
- IDA Pro 9.2는 45.7%다.
비결은 자율 개선 루프
- LLM이 IDA Pro보다 성능이 나쁜 사례를 직접 연구한다.
- 시행착오로 다른 디컴파일러가 어려운 문제를 푸는 방식을 배운다.
angr 기능 20여 개를 재구현했다
- Ghidra와 angr 디컴파일러도 개선 과정의 연구 대상이었다.
- 이 방식으로 angr의 핵심 기능 20개 이상을 Kuna에 다시 구현했다.
사람의 연구가 먼저 필요했다
- 자동 개선을 시작하려면 새로운 핵심 지표와 의미 있는 벤치마크 데이터가 필요했다.
- 저자는 이것이 자동 연구가 아니라 사람이 이끄는 연구라고 말한다.

Community Reactions

원작자가 밝힌 Ghidra 기원
- Kuna는 Ghidra를 Rust로 포팅한 것에서 출발해 상당히 바뀌었다는 설명이 나왔다.
- 사이트 스크린샷의 Switch 레이아웃과 변수 단순화는 Ghidra에 없는 기능이라고 한다.
LLM이 디컴파일러 자체가 되면 안 되냐는 반론
- 컴파일러로 학습 데이터를 무한히 만들 수 있으니 LLM을 디컴파일러로 학습시키는 게 낫다는 의견이 있었다.
- 저자는 지난 20년간 시도됐지만 기본 지표에서 전통 디컴파일러를 이긴 사례가 없다고 답했다.
함수·변수 이름 추론에 대한 기대
- 에이전트가 데이터 흐름을 빠르게 따라가 이름을 만들어 주면 좋겠다는 의견이 있었다.
- 저자는 DecBench에서 Codex와 Claude가 어셈블리만 받고도 우세하지만 재현율 문제가 크다고 했다.

How to Apply

실패 사례 모음으로 개선 루프 시작하기
- 오늘 코드 생성 에이전트가 기준 도구보다 나쁜 결과를 낸 케이스 5개를 모아라.
- 각 케이스에 기준 도구의 출력과 비교 지표를 붙여 에이전트에게 차이를 분석시켜라.
측정 가능한 지표부터 정하기
- 에이전트에게 개선을 맡기기 전에 사람이 지표와 벤치마크 데이터를 먼저 설계하라.
- 지표 없이 맡기지 말고 점수가 오르는지만 자동 검증하게 하라.
기존 도구를 교사로 활용하기
- 재구현할 기능이 있으면 성숙한 오픈소스 구현의 입출력 예시를 에이전트에게 주고 따라잡게 하라.
- 라이선스를 먼저 확인하라.

Try It

복사해서 바로 해보기

# Claude나 Claude Code에 그대로 붙여넣기 (원문 방법의 간이 버전)

너는 {{우리 도구}}를 개선하는 에이전트다. 기준 도구는 {{기준 도구}}다.
지표는 {{지표 이름}}이다.

아래는 우리 도구가 기준 도구보다 점수가 낮은 사례들이다.
{{실패 사례와 양쪽 출력}}

다음 순서로 해라.
1. 사례마다 기준 도구가 어떻게 더 잘 처리하는지 원인을 분석해라.
2. 공통 패턴 하나를 골라 우리 코드에 반영할 수정안을 만들어라.
3. 수정 후 지표가 오를지 확인할 테스트를 써라.

이어서 해 볼 것: 수정 후 다시 점수를 재고 남은 실패 사례로 반복하라.

Terminology

디컴파일러컴파일된 바이너리를 사람이 읽을 수 있는 C 같은 코드로 되돌리는 도구다. 번역된 책을 원문 비슷하게 복원하는 일에 가깝다.

제어 흐름 구조화점프 위주의 저수준 흐름에서 if·loop·switch 같은 구조를 복원하는 단계다. 길 안내를 목적지 표지판 대신 도로 지도로 다시 그리는 일이다.

IDA Pro업계 표준으로 쓰이는 상용 디컴파일러·리버싱 도구다.

angr·Ghidraangr는 연구용 오픈소스 디컴파일러이고 Ghidra는 NSA가 공개한 오픈소스 리버싱 도구다.