基于代码嵌入的二进制代码相似性分析方法

作者：熊敏; 薛吟兴; 徐云^*

来源：网络安全与数据治理, 2023, 42(03): 58-67.

DOI：10.19358/j.issn.2097-1788.2023.03.010

• 代码表示
• 代码嵌入模型
• 代码搜索
• 漏洞搜索

代码嵌入利用神经网络模型将二进制函数的代码表示转化为向量，在漏洞搜索等应用中展现了优势。现有的方法将函数表示为汇编指令序列、控制流图的拓扑结构或若干路径，都没有克服不同编译环境导致控制流图结构变化的干扰。为此，设计了基于基本块树(Basic Block Tree, BBT)的代码表示以及构建了对应的代码嵌入模型BBTree。首先，二进制函数被表示为一系列BBT,每个BBT被处理为指令序列；其次，BBTree利用LSTM和Bi-GRU将基于BBT的代码表示转化为向量；最后，通过计算向量间的距离去高效衡量对应函数的相似性。在代码搜索中，BBTree的平均准确率比主流工具提升了24.8%;在漏洞搜索中，BBTree的平均召回率比主流工具提升了26.1%。

• 单位
  中国科学技术大学