컴퓨터 보안 문제에 대하여 빠르게 대응하기 위해서는 바이너리 코드에 대한 리버스 엔지니어링 분석이 필요하다. 실행가능한 프로그램에서 핵심적인 동작을 빠르게 이해하려면 사람이 이해하기 좋은 형태로 변환이 필요하며 바이너리 프로그램의 함수명 정보 복원을 통해서 바이너리 파일을 기계어 단위가 아닌 함수 단위로 빨리 이해할 수 있다.
디버깅 정보가 제거된 바이너리 파일은 함수명 정보가 없기 때문에 리버스 엔지니어링 분석이 난해하며 실제 사례에서는 분석 시간의 제약이 존재하기 때문에 프로그램의 동작을 이해가 용이하도록 함수명을 예측하여 프로그램의 구조의 이해를 돕고 분석 시간을 단축하는 것이 중요하다.
본 연구에서는 OpenSSL 0.9.8 버전부터 1.1.1b 버전까지의 117개 버전을 컴파일한 ELF 바이너리 파일에서 함수 코드를 데이터로 사용해 이미지 처리에 적합한 CNN(Convolutional Neural Network) 계열 모델과 시계열 데이터에 적합한 RNN(Recurrent Neural Network) 계열의 인공신경망 모델을 이용해 함수명을 예측하고 비교하였다.