NDSS 2025 – BinEnhance

이진 코드 검색은 소프트웨어 재사용 및 취약점 탐지에 매우 중요합니다. 현재 방법들은 종종 내부 코드 의미론이나 함수 호출 그래프에 의존하지만, 이러한 방법들은 한계가 있습니다. 내부 모델은 함수 간 관계를 무시하여 함수 인라인과 같은 기술에 어려움을 겪습니다. 호출 그래프와 내부 의미론을 결합하는 것 또한 복잡한 실제 문제에 충분하지 않습니다. 이러한 문제들을 극복하기 위해, BinEnhance 프레임워크가 제안되었으며, 이는 내부 코드 의미론을 함수 간 정보로 향상시킵니다. BinEnhance는 다양한 함수 간 관계를 사용하여 유사한 함수에 대한 안정적인 외부 환경을 만들기 위해 외부 환경 의미론 그래프(EESG)를 구축합니다. 기존 내부 의미론 모델 임베딩은 EESG 노드를 초기화합니다. 관계형 그래프 컨볼루션 네트워크와 잔차 블록을 사용하는 의미론적 향상 모델(SEM)은 EESG로부터 외부 의미론을 학습합니다. 이를 통해 이진 코드 검색 쿼리에 대한 향상된 의미론적 임베딩이 생성됩니다. BinEnhance는 또한 데이터 특징 유사성을 사용하여 의미론적 임베딩 유사성을 개선합니다. 함수 인라인을 포함한 여섯 가지 작업에 대한 실험을 통해 BinEnhance의 성능과 견고성을 입증했습니다. 공개 데이터 세트에 대해 여러 기존 모델에 적용한 결과, BinEnhance는 평균 정밀도(Mean Average Precision)를 53.6%에서 69.7%로 향상시켰고, 효율성을 4배로 높였습니다.