提出了一种基于图神经网络的二进制代码相似性检测方法，采用了一种新颖的图数据表示方法 —— 调用图集，通过一系列统计特征来编码二进制可执行文件中每个函数周围的邻域，从而捕捉局部和全局上下文。设计了专门的图神经网络模型，学习将图表示映射为编码了语义代码相似性的特征向量。实验结果表明，与基准技术相比，调用图集和新颖的图神经网络架构的结合在跨架构、单架构和零样本任务上取得了最先进的性能。此外，该方法在针对域外函数内联任务进行评估时也表现出色。总体而言，该研究提供了一种通用且有效的基于图神经网络的二进制代码相似性检测解决方案。

Jun, 2024

本文提出一种新颖的神经网络方法 SimGNN，该方法通过可学习的嵌入函数和注意力机制实现了对图形编辑距离等图形相似性计算的高效计算和良好性能的综合优化，并在三种真实图数据集上取得了比现有基线算法更小的误差率和更大的时间降低。

Aug, 2018

该研究展示了如何将自然语言处理的思想和技术应用于大规模的二进制代码分析，提出了两个重要的代码相似性比较问题，并通过内部实验验证了所提出的方法的优越性。

Aug, 2018

本研究提出了一种基于对比学习的无监督学习框架 Fun2Vec，能够直接作用于反汇编二进制函数，并且不需要人工标记相似或不相似信息，在二进制代码的相似性检测领域有着极高的准确率和优势。

Sep, 2022

本文提出了两个关键性贡献：首先是演示了图神经网络如何训练并嵌入向量空间，以便有效地进行相似性推理；其次是提出了一种新的图匹配网络模型，通过新的跨图注意力匹配机制，在一对图之间共同推理，计算它们之间的相似度得分。在不同领域的实验分析表明，本文提出的模型不仅能够在相似性学习的上下文中利用结构，而且能够优于针对此类问题精心设计的基线系统。

Apr, 2019

本文提出了一个用于帮助开发模型的 C/C++ 源代码漏洞数据集 CVEFunctionGraphEmbeddings（CVEFGE），该数据集是从 CVE 数据库中自动爬取的，并且提出了基于图神经网络的学习框架 SEquential Graph Neural Network（SEGNN）来学习大量的代码语义表示。我们的实验结果表明，SEGNN 在图分类设置中的表现优于两个数据集和四种基线方法。

May, 2023

我们提出了 VEXIR2Vec，这是一个代码嵌入框架，用于在二进制文件中查找相似函数。我们的表示依赖于 VEX IR，它是二进制分析工具（如 Valgrind 和 angr）使用的中间表示。我们的嵌入方法编码了函数的语法和语义信息，并且在应用程序和架构上都是独立的。我们还提出了 POV，一个自定义的 Peephole 优化引擎，用于对 VEX IR 进行有效的相似性分析。我们在涉及针对不同架构、使用不同编译器和版本、优化序列和混淆的二进制文件的两个实验中评估了我们的框架。我们展示了在几个标准项目和真实世界漏洞上的结果。我们的结果显示，与现有最先进的工作相比，VEXIR2Vec 实现了更高的精确度和召回率。我们的框架具有高度的可扩展性，只使用了开源工具构建为一个多线程、并行库。VEXIR2Vec 在最接近的竞争对手上实现了约 3.2 倍的加速，并在其他工具上实现了数量级的加速。

Dec, 2023

该研究介绍了一种新的集成学习方法来评估代码相似性，结合多种无监督相似度度量的优点。初步结果表明，尽管基于 Transformers 的 CodeBERT 和其变种 GraphCodeBERT 在有充足训练数据的情况下是最佳选择，但在特定的小数据集（最多 500 个样本）的情况下，我们的集成方法达到了类似的结果，而且结果解释性较强，与训练相关的碳足迹明显较低。

May, 2024

在这项工作中，我们开始探讨使用深度神经网络对二进制代码理解进行训练的可能性。具体而言，网络将以直接从二进制中派生的特征作为输入，并输出英文功能描述，以帮助逆向工程师调查闭源软件的功能，无论是恶意的还是良性的。我们发现嵌入距离相关性（EDC）测试对于评估数据集值非常有诊断能力，表明我们收集的数据集和一些现有的开源数据集质量较低。

Apr, 2024

本文提出了一种利用图神经网络和自然语言大模型生成结构和序列感知型蛋白质表示的新框架，并将其与传统的基于结构对齐的方法相比较，证明了该方法在比较蛋白质结构和蛋白质结构分类任务中的优越性能。

Jun, 2023