基于数据依赖的跨架构二进制代码相似性分析

来源：计算机技术与发展杂志2024年第07期北京时间：

作者：张际灿;姚锟彬;薛磊*;王晨;聂黎明;

单位：1. 武汉邮电科学研究院,湖北 武汉 430074;2. 中山大学·深圳,广东 深圳 518107;3. 浙江理工大学,浙江 杭州 310018;4. 南洋理工大学,新加坡 699010

摘要：二进制代码相似性检测(Binary Code Similarity Detection,BCSD)技术在逆向工程、漏洞检测、恶意软件检测、软件抄袭以及补丁分析等学术应用领域发挥着重要作用。大多数研究已经集中在对二进制函数进行控制流嵌入和基于自然语言处理(Natural Language Processing,NLP)技术的底层代码嵌入技术的研究之中。然而,需要指出的是,函数在实际运行中不仅包含控制流信息,还包括数据流语义信息。因此,如何全面抽象函数的语义特征显得尤为关键。为此,该文提出了BS-DD模型,这是一个融合了控制流和数据依赖关系的二进制函数相似性判断框架。通过模拟执行二进制代码的方法来提取语义信息,并运用化简算法构建数据依赖关系图。最后,借助图神经网络进行相似性判别。对来自开源社区的7个广泛使用的软件进行了不同组合的编译,并在此基础上设计了3个不同的任务场景以及真实的漏洞检测实验,用以比较BS-DD方法与最新基于数据流的BCSD方法的性能。实验结果显示,该模型在召回率和RR(Mean Reciprocal Rank)分数方面取得了显著的提高。在真实环境的漏洞检测中,该模型也始终优于其他方法。

关键词：二进制;数据依赖;相似性检测;图神经网络;语义信息;漏洞检测