發表：FSE，2017，卡內基梅隆大學， Bogdan Vasilescu團隊（https://bvasiles.github.io/）；加利福尼亞大學戴維斯分校，Casey Casalnuovo團隊（https://caseycas.github.io/）和 Premkumar Devanbu團隊（https://web.cs.ucdavis.edu/~devanbu/）(https://cmustrudel.github.io/projects/jsnaughty/)，
開源：https://cmustrudel.github.io/projects/jsnaughty/ （工具現已停用，程式碼開源，提供docker映象）
內容概括
本文描述了一種基於統計機器翻譯（SMT）的方法AUTONYM，加入JSNice互補，恢復被UglifyJS混淆的JS程式中的識別符號名稱。
整個架構圖如下：
insight:要猜測被混淆的識別符號w的明確、自然的名字v，我們所要做的就是根據w出現的上下文k（變數作用域資訊）來猜測最有可能的名字。
方法：使用一個JS混淆器（UglifyJS）生成大量pair（源JS-混淆JS）訓練資料，在一個現成的SMT系統（MoSeS）訓練。
挑戰：（1）inconsistency. 預設情況下Moses獨立地翻譯每一行，沒有內在機制確保不同行的相同識別符號名稱的一致恢復；（2）ambiguity. 存在多個不同作用域中重複使用同一簡化名稱來命名不同變數，即“超載”問題；（例如：function Vec(x,y)被混淆為function t(t,n)）
解決方法：（1）後處理部分，包括兩部分；第一，COMPUTECANDIDATENAMES ，接受一個標記化輸入檔案，並使用 MosE 將每個輸入行反混淆，收集所有由 MosE 建議用於給定簡化的任何名稱的所有可能重新命名，並且將JSNice預測出的名稱加入候選列表；第二，RANKCANDIDATES，對每個識別符號名稱的一組候選名稱進行排序，計算它們在將要使用的上下文中的“naturaless score”（透過語言模型得到），並且設計遍歷名稱的順序，優先出現頻率高，候選名稱少的識別符號。
（2）前處理部分，結合作用域資訊，對簡化名稱進行雜湊重新命名；
評估：效能指標是每種技術恢復原始識別符號名稱的百分比；（UGlifyJS主要混淆區域性變數，單獨分析）
