NDSS 2025 – BinEnhance

Поиск по бинарному коду жизненно важен для повторного использования программного обеспечения и обнаружения уязвимостей. Современные методы часто полагаются на внутреннюю семантику кода или графы вызовов функций, но они имеют ограничения. Внутренние модели игнорируют межфункциональные отношения, испытывая трудности с такими методами, как встраивание функций. Объединение графов вызовов с внутренней семантикой также недостаточно для решения сложных реальных задач. Чтобы преодолеть эти проблемы, предлагается фреймворк BinEnhance, улучшающий внутреннюю семантику кода с помощью межфункциональной информации. Он строит граф семантики внешней среды (EESG) для создания стабильной внешней среды для аналогичных функций, используя различные межфункциональные отношения. Существующие встраивания внутренней семантической модели инициализируют узлы EESG. Модель семантического улучшения (SEM), использующая реляционные сверточные сети на графах и остаточный блок, изучает внешнюю семантику из EESG. Это генерирует улучшенные семантические встраивания для запросов поиска по бинарному коду. BinEnhance также уточняет сходство семантических встраиваний, используя сходство признаков данных. Эксперименты по шести задачам, включая встраивание функций, демонстрируют производительность и надежность BinEnhance. При применении к нескольким существующим моделям на общедоступных наборах данных BinEnhance улучшил среднюю точность (Mean Average Precision) с 53,6% до 69,7% и вчетверо увеличил эффективность.