PulseAugur
中
实时 11:56:11
English(EN) Beyond Embeddings: Interpretable Feature Extraction for Binary Code Similarity

新AI方法增强二元代码相似性检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的二元代码相似性检测方法，该方法将传统特征的可解释性与现代基于嵌入的方法的泛化性相结合。这项新技术利用基于语言模型的代理从汇编代码中提取人类可读的特征，如输入/输出类型和算法意图。该方法在无需特定训练的情况下实现了具有竞争力的召回率，并且在与嵌入结合时显著提高了最先进的性能，解决了逆向工程任务中准确性、可伸缩性和可解释性之间的长期权衡问题。 AI

影响 通过提高代码相似性分析的准确性和可解释性来增强逆向工程能力。

排序理由 学术论文，详细介绍了二元代码相似性检测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新AI方法增强二元代码相似性检测

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Charles E. Gagnon, Steven H. H. Ding, Philippe Charland, Benjamin C. M. Fung ·

    Beyond Embeddings: Interpretable Feature Extraction for Binary Code Similarity

    arXiv:2509.23449v2 Announce Type: replace Abstract: Binary code similarity detection is a core task in reverse engineering. It supports malware analysis and vulnerability discovery by identifying semantically similar code in different contexts. Modern methods have progressed from…

相关实体

相关话题