.png){kind=icon}
返回
Fus: Combining Semantic and Structural Graph Information for Binary Code Similarity Detection
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14193781.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
二进制代码相似性检测（BCSD）在软件安全中发挥着重要作用。基于深度学习的最新方法取得了巨大进展。基于单一特征（如语义或图结构）的现有方法难以处理由架构或编译环境变化引起的问题。融合语义和图结构的方法由于对函数学习不足，导致准确率和鲁棒性较低。为解决此问题，我们提出了Fus方法，该方法整合了伪C代码的语义信息和抽象语法树（AST）的结构特征。伪C代码和AST对编译和架构变化具有鲁棒性，并能很好地表示函数。我们的方法包括三个步骤：首先，预处理汇编代码以获取每个函数的伪C代码和AST；其次，采用Siamese网络结合CodeBERT模型提取伪C代码的语义嵌入，并使用树结构长短时记忆网络（Tree LSTM）编码AST；最后，通过累加各自的语义和结构相似度计算函数相似度。评估结果表明，我们的方法在大多数场景下优于当前最优方法。特别是在大规模场景中，其性能尤为突出。在漏洞搜索任务中，Fus实现了最高的召回率，证明了该方法的高准确性和鲁棒性。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Liu, Z.; Tang, Q.; Nie, S.; Wu, S.; Zhang, L.F.; Tang, Y. KEENHash: Hashing Programs into Function-Aware Embeddings for Large-Scale Binary Code Similarity Analysis. Proc. ACM Softw. Eng. 2025, 2, 801–824. [Google Scholar] [CrossRef]刘，Z.; 唐Q.; 聂S.; 吴S.; 张L.F.; 唐Y. KEENHash: 将程序哈希为函数感知嵌入以进行大规模二进制代码相似性分析。ACM软件工程进展，2025，2，801–824. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
分享收藏分享收藏Semantics-Based Obfuscation-Resilient Binary Code Similarity Comparison with Applications to Software and Algorithm Plagiarism Detection基于语义的混淆-弹性二进制代码相似性比较及其在软件和算法剽窃检测中的应用OAAI
OAAI分享收藏
查看更多内容