CFG2VEC：用于跨架构软件逆向工程的层次图神经网络
软件工程
2023-01-10 v1
摘要
关键任务嵌入式软件对我们社会的基础设施至关重要，但随着技术进步也可能面临新的安全漏洞。当安全问题出现时，逆向工程师（RE）使用软件逆向工程（SRE）工具分析易受攻击的二进制文件。然而，现有工具支持有限，RE 需经历耗时、昂贵且易错的过程，需要经验与专业知识来理解软件及漏洞的行为。为改进这些工具，我们提出 ，一种基于层次图神经网络（GNN）的方法。为表示二进制文件，我们提出一种新颖的图套图（GoG）表示，结合控制流图与函数调用图的信息。我们的 学习如何表示由各种 CPU 架构编译的每个二进制函数，利用层次 GNN 与基于连体网络的监督学习架构。我们评估 从剥离二进制文件中预测函数名的能力。结果显示， 在预测函数名上比最先进技术（SOTA）高出 ，且在给定更多训练数据时甚至可高出 。此外， 在所有 CPU 架构上均持续优于 SOTA，而基线需多次训练才能达到类似性能。更重要的是，我们的结果表明 可处理由未见过的 CPU 架构构建的二进制文件，从而表明我们的方法能泛化所学知识。最后，我们将其实现为用于解决 DARPA 确保微补丁（AMP）挑战的 Ghidra 插件，以展示其实用性。
引用
@article{arxiv.2301.02723,
title = {CFG2VEC: Hierarchical Graph Neural Network for Cross-Architectural Software Reverse Engineering},
author = {Shih-Yuan Yu and Yonatan Gizachew Achamyeleh and Chonghan Wang and Anton Kocheturov and Patrick Eisen and Mohammad Abdullah Al Faruque},
journal= {arXiv preprint arXiv:2301.02723},
year = {2023}
}