1.一种基于图匹配网络的二进制代码相似性检测方法,其特征在于,包括:
1)获取待测程序对;
2)针对待测程序对中的待测程序进行反汇编,并获取过程间控制流图ICFG及其指令;
3)分别针对待测程序的过程间控制流图ICFG获取其中基本块的初始特征嵌入;
4)通过图匹配神经网络得到待测程序对的过程间控制流图ICFG的最终嵌入hG1和hG2;
5)在向量空间中计算待测程序对的过程间控制流图ICFG的最终嵌入hG1和hG2之间相似性作为待测程序对的相似性检测结果;
步骤3)包括:
3.1)对过程间控制流图ICFG中基本块的指令进行规范化;
3.2)将指令中的操作码和相应的规范化后的操作数进行连接,形成单词;
3.3)计算每个指令形成的单词的权重;
3.4)在过程间控制流图ICFG中进行随机游走,形成一系列的指令序列;
3.5)将一个指令序列作为句子、所有的指令序列作为文章,构建用于基本块初始特征嵌入的训练集;
3.6)采用预设的词向量模型,通过使平均对数概率最大化获得指令级的嵌入,其中平均对数概率的函数表达式为:
,
上式中,J(w)表示平均对数概率,N表示句子中单词的数量,c为上下文的滑动窗口大小,p(wt+j|wt)表示Softmax函数,wt+j为中心词周围的单词,wt为中心词,其中:,
上式中,P(wk∈Ct│wt ) 表示单词的概率分布向量,wk为词汇表中的单词,Ct为词汇表,T
vwt为词汇表中的单词wt的输出向量表示,vwk为词汇表中的单词wk的输入向量表示,vwi为词汇表中的单词wi的输入向量表示;
3.7)基于单词的权重、得到的指令级嵌入计算基本块的初始特征嵌入,且计算函数表达式如下式所示:
,
上式中,FVb为基本块的初始特征嵌入,j指基本块中指令的个数,weightwi为第i个指令wi的权重,embedwi为第i个指令wi的指令级嵌入。
2.根据权利要求1所述的基于图匹配网络的二进制代码相似性检测方法,其特征在于,步骤2)包括:针对待测程序对中的待测程序进行反汇编得到每一个待测程序的每个函数的控制流图CFG及每个函数的指令集,所述控制流图CFG中的节点是由多条指令构成的基本块,边为执行流,然后将控制流图CFG按照函数调用关系合并得到待测程序的过程间控制流图ICFG,所述过程间控制流图ICFG将调用边从调用语句连到被调用方法的入口处,从调用方法的出口处连接到调用语句之后执行的下一条语句。
3.根据权利要求1所述的基于图匹配网络的二进制代码相似性检测方法,其特征在于,步骤4)中的图匹配神经网络包括依次相连的编码层、传播层和聚合层,所述编码层为由多层全连接层网络构成且以基本块的初始特征嵌入作为输入,所述传播层用于将编码层的输出进行聚合、计算交叉注意力以及迭代更新节点特征,所述聚合层用于将传播层的输出的节点特征进行聚合得到待测程序对的过程间控制流图ICFG的最终嵌入hG1和hG2。
4.根据权利要求3所述的基于图匹配网络的二进制代码相似性检测方法,其特征在于,所述编码层的函数表达式为:
,
(0)
上式中,hi 为编码层第i个节点输出,xi为基本块的初始特征嵌入,V为基本块的集合,MLPnode为多层全连接网络。
5.根据权利要求3所述的基于图匹配网络的二进制代码相似性检测方法,其特征在于,所述传播层的函数表达式为:
,
(t+1) (t)
上式中,hi 为传播层第i个节点在t+1时刻的输出,hi 为传播层第i个节点在t时刻(t)
的输出,hj 为传播层第j个节点在t时刻的输出,fnode为门控循环神经网络,mi→j表示第i个节点到第j个节点传播的信息,μj'→i表示交叉图注意力,且有:,
,
,
,
上式中,E1为待测程序对中第一个程序的过程间控制流图ICFG中的边,E2为待测程序对中第二个程序的过程间控制流图ICFG中的边,V1为待测程序对中第一个程序的过程间控制流图ICFG中基本块,V2为待测程序对中第二个程序的过程间控制流图ICFG中的基本块,fmessage为多层全连接网络,fmatch为交叉图注意力函数,ai→j为第i个节点到第j个节点的注意力,sh为向量空间相似性指标。
6.根据权利要求3所述的基于图匹配网络的二进制代码相似性检测方法,其特征在于,所述聚合层的函数表达式为:
,
上式中,hG表示计算得到的过程间控制流图ICFG的最终嵌入,MLP和MLPG表示多层全连(T)
接网络,MLPgate表示经过多层全连接后执行Sigmoid函数,hi 为传播层第i个节点在T时刻的输出,T为传播的次数,为点乘,σ为求和。
7.根据权利要求1所述的基于图匹配网络的二进制代码相似性检测方法,其特征在于,步骤5)中计算待测程序对的过程间控制流图ICFG的最终嵌入hG1和hG2之间相似性具体是指计算待测程序对的过程间控制流图ICFG的最终嵌入hG1和hG2之间余弦距离。
8.一种基于图匹配网络的二进制代码相似性检测系统,包括相互连接的微处理器和存储器,其特征在于,该微处理器被编程或配置以执行权利要求1~7中任意一项所述基于图匹配网络的二进制代码相似性检测方法的步骤。
9.一种计算机可读存储介质,其特征在于,该计算机可读存储介质中存储有被编程或配置以执行权利要求1~7中任意一项所述基于图匹配网络的二进制代码相似性检测方法的计算机程序。