Jun, 2024

了解您的邻里：由通话图查找驱动的一般性和零射能力的二进制函数搜索

PDF
TL;DR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。
发现论文，激发创造
  • 基于神经网络的图嵌入用于跨平台二进制代码相似性检测

    提出了一种基于神经网络的方法来计算二进制函数的编码，并通过测量两个函数之间编码的距离来有效地检测二进制代码的相似性，称为 Gemini，将生成时间从 1 周减少到 30 分钟到 10 小时，并在现实世界的案例中展示了 Gemini 比现有技术更好地识别易受攻击的固件图像的能力，是一种成功应用深度学习解决计算机安全问题的方法。

    Aug, 2017

  • 二元图神经网络

    本论文探讨了将二值化技术应用于图神经网络的方法，并成功设计了能够在 Hamming 空间内快速构建动态图的模型，实现了在准确性轻微损失的代价下在嵌入式设备上取得了显著的存储空间和时间扩展的效果。

    Dec, 2020

  • 用图神经网络和增强流程抽象语法树来检测代码克隆

    本文提出了一种基于图神经网络 (GNN) 的程序控制流和数据流表示方法 FA-AST (flow-augmented abstract syntax tree)，并将其应用于代码克隆检测，相比基于抽象语法树 (AST) 的方法，在 Google Code Jam 和 BigCloneBench 数据集上均取得了更好的效果。

    Feb, 2020

  • 基于调用图聚类的恶意软件分类

    使用通话图聚类技术进行恶意软件分析，可过滤掉某些程序特征的差异，从而检测到程序间的结构相似性，并结合聚类算法识别出恶意家族，实现恶意程序检测。

    Aug, 2010

  • 基于图形和紧凑回归码的快速索引

    本文提出了一种基于图遍历和压缩表征的方法，该方法编码可索引向量使用量化和利用图结构改进相似度估计。该方法在保证较小比较集的高精度及显著内存压缩的同时，在 64-128 字节每向量的操作点上，优于现有技术在二十亿规模公共基准测试中的表现。

    Apr, 2018

  • 用于学习图结构对象相似性的图匹配网络

    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

  • ZeroG: 探索图中的跨数据集零样本迁移性

    通过引入 ZeroG，一种新的框架，我们扩展了这种零样本迁移学习范式到图领域，以实现数据集间的泛化，减少特征不对齐、标签空间不匹配和负迁移等固有挑战，并通过使用语言模型对节点属性和类别语义进行编码，以确保数据集间的一致特征维度，并通过基于提示的子图采样模块丰富提取的子图的语义信息和结构信息，进一步采用轻量级微调策略降低过拟合风险，并保持语言模型的零样本学习能力。结果显示我们的模型在实现显著的跨数据集零样本迁移能力方面非常有效，为图基础模型的发展开辟了新的路径。特别地，ZeroG 作为一种零样本方法，甚至能在 Pubmed 上实现可与半监督学习相媲美的结果。

    Feb, 2024

  • SimGNN：一种快速图相似度计算的神经网络方法

    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

  • 用于二进制规划的图神经网络

    该研究探讨了图神经网络（GNNs）和二进制编程（BP）问题之间的联系，为 GNNs 在解决这些计算难题上提出了设计。通过分析 BP 问题的灵敏度，我们将 BP 问题的解决方案框架化为异质节点分类任务。随后，我们提出了 Binary-Programming GNN（BPGNN），一种将图表示学习技术与 BP 感知特征相结合的架构，以有效地近似 BP 解决方案。此外，我们引入了一种自我监督的数据生成机制，以便在处理大规模 BP 问题时实现高效和可操作的训练数据获取。对不同 BP 问题规模的 BPGNN 进行实验评估显示其性能优于穷举搜索和启发式方法。最后，我们讨论了 GNNs 在 BP 问题这个尚未充分探索的领域中的挑战。

    Apr, 2024

  • 用于源代码漏洞识别的顺序图神经网络

    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