MicroSim
基于对比孪生图神经网络的二进制代码相似性检测系统,将函数表示为IDA Pro Hex-Rays微码图,通过对比学习进行相似性判断。
时间轴 (近 90 天)
MicroSim 是一种基于对比孪生图神经网络(Siamese GNN)的二进制代码相似性检测系统,将每个函数表示为从 IDA Pro Hex-Rays 微码构建的图。
研究者在 TREX 跨优化基准上评估 MicroSim,该基准包含 849,072 个函数级微码图,覆盖 -O0 到 -O3 优化级别。
MicroSim 采用严格的类不相交划分,即训练集和测试集中不共享任何函数键。
在类不相交划分协议下,MicroSim 在 TREX 基准上达到了 0.9972 的 ROC-AUC 和 0.9762 的 MCC。
MicroSim 在 TREX 基准上的性能显著优于基线模型:Gemini(0.9332 ROC-AUC)、SAFE(0.9752)、jTrans(0.9740)以及 Bag-of-Words 基线(0.9484)。
全部知识事实 (5)
MicroSim 是一种基于对比孪生图神经网络(Siamese GNN)的二进制代码相似性检测系统,将每个函数表示为从 IDA Pro Hex-Rays 微码构建的图。
50%待验证研究者在 TREX 跨优化基准上评估 MicroSim,该基准包含 849,072 个函数级微码图,覆盖 -O0 到 -O3 优化级别。
50%待验证MicroSim 采用严格的类不相交划分,即训练集和测试集中不共享任何函数键。
50%待验证在类不相交划分协议下,MicroSim 在 TREX 基准上达到了 0.9972 的 ROC-AUC 和 0.9762 的 MCC。
50%待验证MicroSim 在 TREX 基准上的性能显著优于基线模型:Gemini(0.9332 ROC-AUC)、SAFE(0.9752)、jTrans(0.9740)以及 Bag-of-Words 基线(0.9484)。
50%