2023 · 预印本
Asteria-Pro：融合领域知识提升基于深度学习的二进制代码相似性检测
Asteria-Pro: Enhancing Deep-Learning Based Binary Code Similarity Detection by Incorporating Domain Knowledge
Asteria-Pro 在基于 Tree-LSTM 的二进制代码相似性检测中加入领域知识预筛选和重排序，并评估其在不同物联网硬件架构的固件漏洞搜索中的表现。
研究范围与局限
评估涵盖固件漏洞搜索：预筛选将计算时间缩短 96.9%；重排序使 MRR 提升 23.71%、Recall 提升 36.4%。大规模搜索以 91.65% 的精确率发现了 1,482 个存在漏洞的函数。
与本合集的关联
论文研究二进制函数相似性检测及其在固件漏洞代码搜索中的应用。
发表与复核详情
- 发表载体
- arXiv
- 发表状态
- 预印本
- 出版／提交日期
- 2023 年 1 月 2 日
- 日期依据
- arXiv 首次提交日期。
- arXiv 首次提交
- 2023 年 1 月 2 日
- arXiv
- 2301.00511
- 已复核的 arXiv 版本
- v2
日期和发表场所来自 arXiv 记录。
来源复核于
已依据论文及一手来源复核。请通过原始论文或 BibTeX 引用原作者。