Skip to content

Binary Ai

约 679 个字 预计阅读时间 2 分钟

CONTENT

  1. 传统SCA的缺陷：
  2. Binary-to-binary:将源代码自动编译成不同版本的二进制文件存在困难，导致可供纳入binary database的数据量严重不足，极大限制了分析的准确性

  3. Binary-to-source:选取的是基本语法特征，这些特征可能会被重复许多次，根本无法判别具体是哪个库，此外，实际当中经常是找不到合适的特征，现有的查找字符串的方法也会产生大量遗漏。故需要找到一种更优的特征，即函数级别的特征。

  4. 方法（BinaryAI）：

  5. Feature Extraction
    • Source Function:构建AST提取特征，存储在两个inverted index里，一个是库映射到它包含的函数，另一个则反过来
    • Binary Function:反汇编生成C-link的伪代码，另外构建了相对的虚拟地址
  6. embedding-based function retrieval：
    • 核心是把源码和二进制代码里的函数转化为一个列（行）向量表示，进而可以定义内积去计算距离（即函数间的差异程度）
    • C/C++的特色之一就是编译时各种优化和混淆，这对于分析会造成很大困难，现有的语言大模型可以很好的扩展到编程语言上来
  7. locality-driven matching：
    • 单纯靠语法识别出来的top-k个近似函数大概率会很相像，为了作进一步区分，我们引入了连接时的区域信息和函数调用表
    • 来自同一个源文件的函数在链接时的位置是连续的，我们可以借此找出哪些函数函数来自同一个源文件，进而还原出源代码

  8. Third-partyLibraryDetection：

    • 厘清不同第三方库的依赖关系，有效避免一个第三方库使用了另一个第三方库带来的混乱

  9. 实验结果：实验表明，BinaryAI在精确度和召回率方面明显优于现有的SCA工具，显著减少了误报率并提高了准确性。与其他工具相比，BinaryAI将精确度从73.36%提高到85.84%，召回率从59.81%提高到64.98%。

THE ADITIONAL

the explanation of nonus

  1. TPLs(Third Party Library)
  2. vulnerability propagation:漏洞传播
  3. SCA(Software Composition Analysis)
  4. DevSecOps(Development, Security, and Operations)

contrastive learning

对比学习（Contrastive Learning）是一种自监督学习技术，其核心思想是通过让模型区分相似和不相似的数据点来进行训练。具体来说，它会把相似的数据点的表示拉近，同时将不相似的数据点的表示拉远。这种方法常用于标签稀缺的任务，因此在图像处理、语音处理和自然语言处理等领域非常有效。