2022 · 会议论文
机器学习如何解决二进制函数相似性问题
How Machine Learning Is Solving the Binary Function Similarity Problem
在统一的、基于 IDA Pro 的框架中重新实现来自安全、程序语言与机器学习三个研究社区的十种代表性方法，对二进制函数相似性研究开展测量，方法涵盖模糊哈希（Catalog1、FunctionSimSearch）以及图神经网络、NLP 编码器与 Transformer 模型。两个新数据集支撑六项改变优化级别、编译器、位宽与架构的任务，以 AUC 和排序指标评分，另含一项固件漏洞搜索案例。作者报告称，模糊哈希在较难的跨架构场景中失效，基于图神经网络的模型几乎在所有任务中表现最佳，许多近期模型在相同数据上的得分相近。
研究范围与局限
这是 2022 年对作者自行重新实现版本的比较，并非对原论文代码或所报告数值的比较，作者也未尝试复现这些数值；CodeCMR 由其原作者运行，Trex 仅在 Dataset-2 上使用其作者提供的模型测试。研究按设计排除了动态分析、符号执行及其他较慢的直接比较方法，也不涵盖基于大语言模型的相似性模型。Dataset-1 使用 GCC 与 Clang，在关闭函数内联的条件下，将七个开源项目（ClamAV、Curl、Nmap、OpenSSL、Unrar、Z3、Zlib）编译为 x86-64、ARM 与 MIPS 的 32 位及 64 位版本，优化级别为 O0–O3 与 Os，并剔除少于五个基本块的函数。Dataset-2 复用 Trex 作者发布的十个 GCC 7.5 项目。特征提取依赖 IDA Pro 7.3；由于缺少较新的 Hex-Rays MIPS 反编译器许可证，BinaryAI 仅覆盖部分数据。固件案例在两个映像中搜索十个 OpenSSL 函数。研究未评估混淆代码，结果也不代表当前排名。
与本合集的关联
补充在统一框架下对二进制函数匹配的测量研究；逆向工程人员借助函数匹配，将已知函数的标签迁移到剥离符号的代码上。该研究与 jTrans、BinaryAI 等单一模型条目互补。
发表与复核详情
- 发表载体
- USENIX Security 2022
- 发表状态
- 会议论文
- 出版／提交日期
- 2022 年 8 月
- 日期依据
- 采用 USENIX 官方 BibTeX（month = aug）及第 31 届 USENIX Security Symposium（2022 年 8 月 10–12 日）最终版 PDF 封面所载的出版月份，不推定具体出版日。
未核实论文 DOI 或 arXiv 标识符；本条目采用经审阅的 USENIX Security 报告页面与 sec22-marcelli.pdf 配对规则。USENIX BibTeX 给出第 31 届 USENIX Security Symposium、页码 2099–2116、出版方 USENIX Association 及八月份；报告页面另链接预发表版 PDF 与幻灯片。仓库 README 列出勘误，涉及第 3.2 节关于 BinDiff 与 Diaphora 跨架构支持的表述及图 2 说明。在所审阅的提交 f0da093（2024-05-15）中，仓库代码采用 MIT 许可证，但 README 列出 GPL-3.0（Catalog1、SAFE、IDA CodeCMR 插件）、LGPL-2.1（基于 Gensim 的 Asm2vec）、Apache-2.0（FunctionSimSearch、GGSNN/GMN）及 CC BY-NC-SA 4.0（GNN-s2v）组件；编译出的二进制保留各自许可证。二进制（约 15 GB）与提取的特征（约 38 GB）需从 Google Drive 下载，生成新的 IDB 或特征需要 IDA Pro。本次仅阅读文档文件，未下载数据集，也未运行代码或实验。
来源复核于
本合集仅做来源复核，未重新运行论文实验。请通过原始论文或 BibTeX 引用原作者。
一手来源
- https://www.usenix.org/conference/usenixsecurity22/presentation/marcelli
- https://www.usenix.org/system/files/sec22-marcelli.pdf
- README.md GitHub · Cisco-Talos/binary_function_similarity · 修订 f0da093
- LICENSE GitHub · Cisco-Talos/binary_function_similarity · 修订 f0da093
- Binaries/README.md GitHub · Cisco-Talos/binary_function_similarity · 修订 f0da093
- DBs/README.md GitHub · Cisco-Talos/binary_function_similarity · 修订 f0da093
- IDA_scripts/README.md GitHub · Cisco-Talos/binary_function_similarity · 修订 f0da093