# Asteria：基于深度学习的抽象语法树编码，用于跨平台二进制代码相似性检测

> ASTERIA 使用 Tree-LSTM 编码函数的抽象语法树，以比较不同平台上的二进制函数。论文评估了函数对的相似性检测，并将其用于物联网固件漏洞搜索。

- 作者：Shouguo Yang; Long Cheng; Yicheng Zeng; Zhe Lang; Hongsong Zhu; Zhiqiang Shi
- 原标题：Asteria: Deep Learning-based AST-Encoding for Cross-platform Binary Code Similarity Detection
- 发表载体：2021 51st Annual IEEE/IFIP International Conference on Dependable Systems and Networks (DSN)
- 发表状态：会议论文
- 出版／提交日期：2021 年 6 月
- 日期依据：arXiv 所列 DOI 的 Crossref 记录中的发表日期。
- arXiv 首次提交：2021 年 8 月 13 日
- arXiv：2108.06082
- 已复核的 arXiv 版本：v1
- DOI：10.1109/dsn48987.2021.00036
- 来源复核于：2026-11-06
- 收录于：2026-11-06
- 原始论文：<https://doi.org/10.1109/DSN48987.2021.00036>
- PDF：<https://arxiv.org/pdf/2108.06082>
- BibTeX：<https://awesomerea.org/papers/citations/paper-asteria.bib>
- 目录页面：<https://awesomerea.org/zh/papers/paper-asteria/>
- 记录 JSON：<https://awesomerea.org/papers/paper-asteria/record.json>
- 英文版：[English](https://awesomerea.org/papers/paper-asteria/index.md)

## 研究范围与局限

模型使用 1,022,616 对函数训练，并在 95,078 对函数上评估。跨平台范围涉及不同的物联网架构；固件搜索在 5,979 个镜像中识别出 75 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物联网固件中的漏洞搜索，属于逆向工程相关研究。

## 发表与复核说明

DOI 来自 arXiv 记录，发表场所和日期来自 Crossref。

## 一手来源

1. <https://arxiv.org/abs/2108.06082>
2. <https://api.crossref.org/works/10.1109/DSN48987.2021.00036>

## 关于此条目

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。
原创说明采用 MIT 许可；外部项目、论文与素材保留各自的权利和许可。