背景

1. 二进制代码相似性检测，其目的是在不访问源代码的情况下检测相似的二进制函数，是计算机安全的一项基本任务。
2. 利用二进制代码的流程图来构建代码的语义的提取。
3. 使用NLP模型提取二进制代码语义信息，tokens=word，块=句子。
4. 本文贡献：

• 提出通用框架学习CFG的图嵌入，可以学习语义信息，结构信息和顺序信息。
• 语义感知建模使用BERT对带有掩码1语言模型任务和相邻节点预测的token和块的嵌入进行预训练。
• 顺序感知建模中，节点顺序有用，在邻接矩阵上采用CNN模型提取CFG的节点顺序信息。
• 四个数据集对两个任务（图的块包含和图的块分类）的实验表明，本模型性能更好。

正文

1. 语义感知建模–BERT模型

• 可以处理4种任务类型
• 跨平台
• 跨级（tocken、块、图形）
• 完全基于CFG图

2. 结构感知建模

• MPNN+全连接+GRU+全连接

3. 顺序感知模型

• CNN模型可以学习节点顺序信息的准确性
• 也可适应不同大小的图
• 11个resnet