Assemblage 是一个可扩展的基于云的分布式系统，用于获取高质量的二进制语料库，以训练二进制分析的先进模型。它可以通过爬取、配置和构建 Windows PE 二进制文件来获取高质量的二进制语料库，并支持用户发布数据集的 “recipes” 和提取各种特征。

May, 2024

EMBER 数据集为反恶意 Windows 便携式可执行文件静态检测训练机器学习模型提供标记的基准数据集，包括从 110 万个二进制文件中提取的特征：900K 个训练样本（300K 个恶意样本，300K 个良性样本，300K 个未标记样本）和 200K 个测试样本（100K 个恶意样本，100K 个良性样本），并提供相关的数据处理代码和基线模型 MalConv 性能比较结果。

Apr, 2018

通过结合大型语言模型（LLMs）和高级程序分析技术，StackSight 提出了一种新的神经符号化方法，将复杂的 WebAssembly 代码反编译为可读性高的 C++ 代码片段，通过可视化和追踪虚拟栈的改变，以及利用 LLM 的复杂推理能力，显著改进了 WebAssembly 的反编译，并通过用户研究证明 StackSight 生成的代码片段具有更高的胜率和更好的代码语义理解。

Jun, 2024

本研究的主要目标是利用自然语言注释自动生成用于软件漏洞利用的负载代码，我们收集了一个挑战性的数据集并尝试使用神经机器翻译方法建立基准性能水平。

Apr, 2021

网络安全已成为数字时代的一个重要问题，恶意软件分析作为网络犯罪的一项重要组成部分，而为了解决这个挑战，开发了一个名为 “混淆恶意软件数据集” 的新数据集，其中使用了模仿恶意软件创建者的策略的混淆技术，通过应用不同的传统机器学习算法并进行对比，结果表明 XGBoost 算法的性能优于其他算法，达到了 82% 的准确率、88% 的精确率、80% 的召回率和 83% 的 F1-Score。

Sep, 2023

提出了 WasmRev—— 第一个用于 WebAssembly 反向工程的多模态预训练语言模型，通过自监督学习对大规模的多模态语料库进行预训练，包括源代码、代码文档和编译后的 WebAssembly，而不需要标记的数据。WasmRev 包含三个定制的多模态预训练任务，以捕捉 WebAssembly 的各种特征和跨模态关系。在少量标记数据上进行微调后，WasmRev 能广泛支持 WebAssembly 的反向工程任务，提高数据效率，并在类型恢复、函数目的识别和 WebAssembly 摘要等重要反向工程任务上实现了高的准确性，并超越了现有的机器学习方法。

Apr, 2024

本文通过静态、动态和经济方面的分析，利用机器学习技术和建立分析模型来研究在浏览器内进行加密货币挖掘攻击的程序，并在此基础上构建有效的解决方案。

Apr, 2023

通过消除恶意软件植入的易受攻击信息通道，我们提出了三个软件预处理步骤以降低威胁表面，并引入了基于图的恶意软件检测方案，利用软件中各个部分的信息聚合来提高恶意软件检测的准确性。实验结果显示，我们的方案可以在对抗性环境下以 88.32% 的曲线下面积得分和 88.19% 的得分准确检测恶意软件，展示了我们的方法的高效性。

Oct, 2023

用于二进制恶意软件总结的 MALSIGHT 框架使用大型语言模型生成恶意软件的描述，通过迭代输入伪代码函数到 MalT5 模型来获得总结，同时引入了新的评估指标 BLEURT-sum。

Jun, 2024

研究了 ChatGPT 对学术界原创性和严谨性的可能负面影响，并提出了一个大规模数据集以支持检测算法的开发。该数据集包含了 35,304 个合成摘要，同时对现有的文本合成检测算法进行了深入分析，表明 ChatGPT 合成的摘要是可以被检测出来的，但随着人类参与的增加，检测难度会增加。

Apr, 2023