本文针对图像检索任务，提出一种从图像到二进制码的压缩映射方法，使用三元组损失函数进行训练，并通过多标签分类问题和深度卷积神经网络实现高维二进制码的学习，从而实现高效的图像检索。

Mar, 2016

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

该篇论文提出了解决不同编程语言下的二进制和源代码匹配问题的新数据集，以及基于 Transformer 神经网络的 XLIR 方法，并在多项实验验证了其显著优于现有模型的有效性。

Jan, 2022

本文提出了一种使用神经网络学习二进制哈希码来解决图像检索问题的算法，在无监督和监督学习模式下，通过约束其中一层直接输出二进制哈希码并融入独立性、均衡性和相似性：在学习过程中同时提取视觉特征和生成二进制哈希码，并通过交替优化和谨慎的放松来解决优化中的难点，实验表明本文提出的方法在基准数据集上表现优异。

Dec, 2017

本文系统地评估了深度神经网络、代码搜索、嵌入、监督技术和网络复杂度的设计选择，结果显示添加监督到现有的无监督技术可以提高性能，对于代码搜索，简单的网络可以比基于序列的复杂网络更有效，使用文档字符串进行监督的效果存在一定差距。

May, 2019

本文提出了一种用于意图分类任务的端到端二值化神经网络架构，包括对输入和分类器的二值化。实验结果表明，该架构在三个数据集上实现了具有可比性的结果，并且使用的内存和训练时间相对较少，可以适用于受限的设备。

Oct, 2020

相关研究通过在深度神经网络分类器的潜在空间中引入线性倒数第二层进行训练，其中损失函数随着潜在空间中坐标的平方指数增长，促使了二进制编码的出现。这种现象是神经坍缩的一个特定实例，它在训练的最后阶段出现，导致潜在类均值崩溃到等角紧框图的顶点。我们展示了二进制编码加速收敛到等角紧框图并提高分类准确度的效果。

Oct, 2023

该研究提出了一种基于图像分类的新方法来检测和可视化恶意软件，其使用 N-gram (DCT) 离散余弦变换和神经网络对可执行二进制文件进行表征和分类，利用自动生成的图像转换为视觉数据集用于训练和测试，最终获得了 96% 的分类精度。

Jan, 2021

本文提出了一种名为文本视觉深度二进制编码（TVDB）的方法，该方法利用区域卷积网络和文本卷积网络来分别探索图像的区域细节和句子的语义线索，通过交替优化来高效地优化二进制编码和深层编码函数，实验证明此方法能够显著提高跨模态检索的性能。

Aug, 2017

本文研究了利用大型预先训练的源代码模型来对反编译二进制文件的函数进行自动摘要，建立了一个包含多种编译器优化的数据集 CAPYBARA，进一步生成了合成数据集来优化模型性能，并创造了 BinT5 模型，成功地用于反汇编二进制代码中。

Jan, 2023