PulseAugur
实时 01:42:17
English(EN) Ruby: Unmasking Unsafe Rust in Stripped Binaries via Machine Learning

新的机器学习工具 Ruby 揭示二进制文件中的不安全 Rust 代码

研究人员开发了 Ruby,这是一种新颖的机器学习工具,旨在识别剥离的 Rust 二进制文件中的不安全代码区域。与需要源代码访问权限的先前工具不同,Ruby 分析二进制指令来精确定位这些安全关键区域。在评估中,Ruby 成功识别了 91.75% 的不安全区域,误报率为 6.16%,优于 GPT-5.2Claude-4.5 和 Gemini-3 等领先的 LLM。该工具还通过加速符号执行和模糊测试展示了实际效用,促使 GoogleAndroid 库中发现并修补了五个错误。 AI

影响 增强了编译代码的安全分析能力,可能提高了 Android 等系统的软件安全性和错误检测能力。

排序理由 详细介绍用于二进制分析的新机器学习工具的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的机器学习工具 Ruby 揭示二进制文件中的不安全 Rust 代码

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Xiang Cheng, Sangdon Park, HyungSeok Han, Xiaokuan Zhang, Taesoo Kim ·

    Ruby:通过机器学习揭示剥离二进制文件中的不安全 Rust

    arXiv:2211.00111v3 Announce Type: replace-cross Abstract: Rust, as an emerging system programming language, introduces $\texttt{unsafe}$ to allow developers to bypass safety checks during compilation. As a result, memory safety bugs are typically confined to the $\texttt{unsafe}$…