面向安全研究人员和实践者的 AI 基于二进制函数相似性检测大规模研究
密码学与安全
2025-11-04 v1 软件工程
摘要
二进制函数相似性检测 (BFSD) 是软件安全中的基础技术，支撑着包括漏洞检测、恶意软件分析在内的广泛应用。近期 AI 基于 BFSD 工具的进展带来了显著的性能提升。然而，现有评估这类工具存在三个关键局限：缺乏对影响因素的深入分析、缺乏现实应用分析，以及依赖小规模或低质量数据集。本文提出首个 AI 基于 BFSD 工具的大规模实证研究，以解决上述问题。我们构建两个高质量且多样化的数据集：BinAtlas 包含 12,453 个二进制文件及 700 万多个函数，用于能力评估；BinAres 包含 12,291 个二进制文件及 54 个真实世界的 1 天漏洞，用于评估在实际物联网固件场景中的漏洞检测性能。使用这些数据集，我们评估了九个代表性 BFSD 工具，分析了现有 BFSD 工具的挑战与局限，以及 BFSD 工具之间的一致性。我们还提出了一种可操作的策略，用于组合 BFSD 工具以提升整体性能（提升 13.4%）。本研究不仅推动了 BFSD 工具的实际应用，也为未来可扩展和自动化二进制相似性检测提供了宝贵资源和见解。
引用
@article{arxiv.2511.01180,
title = {A Large Scale Study of AI-based Binary Function Similarity Detection Techniques for Security Researchers and Practitioners},
author = {Jingyi Shi and Yufeng Chen and Yang Xiao and Yuekang Li and Zhengzi Xu and Sihao Qiu and Chi Zhang and Keyu Qi and Yeting Li and Xingchu Chen and Yanyan Zou and Yang Liu and Wei Huo},
journal= {arXiv preprint arXiv:2511.01180},
year = {2025}
}
备注
Accepted by ASE 2025