夏 冰，周 鑫，庞建民+，岳 峰，单 征，3

(1.信息工程大学 网络空间安全学院，河南 郑州 450001；2.中原工学院 前沿信息技术研究院，河南 郑州 450007；3.信息工程大学 嵩山实验室，河南 郑州 450007)

0 引 言

二进制代码相似性比较技术广泛应用于无源代码软件安全分析中[1]，如bug搜索、恶意软件分析检测、补丁生成分析和软件窃取检测等方面。以OpenSSL(open secure sockets layer)统计分析为例，二进制代码中小于5条指令的基本块数量占比53%，不超过5个基本块组成的二进制函数占比70.69%。这些较少基本块组成的小片段代码，由于携带指令序列较短，控制流程图简单，有限的语义信息使得当前二进制代码相似性比较方案准确性差，因此如何提升小片段代码相似性比较准确率对软件安全分析具有重要意义。

软件是人类在工作中用特定语言创造出来的，是人类知识得以延续的新载体。软件知识并不随软件编译优化和跨平台的改变而改变，因此知识的稳定性、可重复性和可预测性[2]能准确反映代码间相似性比较结果。基于该思想，在二进制代码知识分析基础之上，融合代码中的函数嵌入和知识嵌入，提出一种二进制小片段代码相似性比较模型BSM(binary snippet code similarity model)。

本文贡献如下：①提出一种二进制函数代码知识学习方法。方法将切分后的函数代码知识看作单词，基本块序列上携带的知识序列看作句子，送入序列神经网络得到知识嵌入；②提出一种融合知识嵌入和函数嵌入的二进制代码小片段相似性比较模型。实验结果表明，相较于当前最优的函数嵌入方案，模型可显著提升二进制小片段代码相似性比较结果，验证集上准确率达到98.37%。……