C 如何使用LLVM或其他工具标记基本块的边界？

我正试图重做“基于神经机器翻译的函数对以外的二进制代码相似性比较”这篇论文的工作，但我未能完成一些组件

作者说：“我们修改后端以添加基本块边界注释器，该注释器不仅清楚地标记块的边界，而且还为每个生成的装配块注释一个唯一的ID，所有装配块都是从同一IR块编译而来的。”

我不知道如何标记块的边界，以确定不同体系结构的多个汇编代码是否来自使用LLVM或其他工具的同一源代码

---

非常感谢您的帮助。

好吧，如果有一个

函数

，您可以使用

.begin（）

和

end（）

对其

基本块

进行迭代。这将为您提供一个

BasicBlock

，对于它，您可以始终执行

.front（）

和

.back（）

分别获取第一条和最后一条指令。这将为您提供每个块和函数的“边界”

更新

我想到了一个方法，如果您希望“边界”出现在编译的源代码中

---

在每个函数开始时，您可以生成

store

指令来存储函数每个块的值。如果我没有弄错的话，它们将在汇编级别变成

mov

s，其中一个操作数将是基本块的起点。这将允许您推断“边界”。

此问题分为两部分：

这不仅清楚地标明了区块的边界

每个基本块由

终止符

指令终止。例如，它可以是一个分支

但也为每个生成的程序集块注释一个唯一的ID，就像所有程序集块都是从相同的IR块编译而来一样

这看起来像某种散列机制。如果对非dbg指令进行迭代并进行散列，则将它们组合起来，为每个基本块生成唯一的ID。这应该达到目的。例如，请参见如何对每条指令进行哈希

---

需要记住的一件事是，如何保存由于上述散列而创建的信息。您可以将信息添加为元数据，或将信息打印到某个文件中以供日后参考。

此类文件中有电子邮件地址。你可以写信给作者，询问他们的LLVM补丁。我已经给他们发了一封电子邮件。但是我不知道为什么他们不愿意告诉我他们修改了哪个部分。@michwqy我们已经发布了代码：谢谢。但是llvm过程是迭代llvm IR层上的基本块，我不知道如何维护汇编代码的边界。标记边界的目的是，如果我将一个源代码编译成不同体系结构的两个汇编代码，我可以确定两个汇编代码中的基本块是否来自同一个源代码。如果这是您的目标，那么这应该很容易解决。调用和每个块的终止符。或者只是在所有的说明上加上一些。在启用调试信息的情况下编译。LLVM将注意保留您在DebugLoc中输入的信息。DebugLoc通常包含一个文件名和行号，但您可以更改它并存储一个标识块的字符串。@michwqy我已经用建议更新了我的答案。谢谢。我发现如果我通过叮当声获得带有-g的.ll文件，IR中块的名称将保留在汇编代码中。像这样

@%bb.0:@%entry。LBB0_1:@%if.then

。我不知道它是否标记了基本块，但它足以帮助我确定两段汇编代码是否来自相同的源代码。我稍后会试试你的想法。