Pluvio：基于迁移学习与条件变分信息瓶颈的跨未知架构与库汇编代码克隆检索

代码复用实践对于更快速、更高效的软件开发周期至关重要。然而现实中，代码复用实践缺乏适当管控，导致漏洞传播与知识产权侵权等问题。汇编克隆检索作为一种关键的右移防御机制，已能有效识别发布可执行文件中因复用产生的漏洞代码。近期汇编克隆检索研究呈现出使用基于机器学习的方法匹配由不同工具链生成的汇编代码变体的趋势。然而，这些方法受限于其从训练所用少量工具链变体中学到的知识，因而无法适用于未见过的架构及其对应编译工具链变体。本文首次研究具有未见架构与库的汇编克隆检索问题。我们提出通过大规模预训练自然语言模型以迁移学习形式将人类常识引入当前基于学习的汇编克隆检索方法。迁移学习可借助来自汇编代码人类专家的更广知识，帮助解决现有方法的局限。我们进一步提出一种强化学习智能体以去除不必要与冗余的 token，从而解决序列长度限制问题。结合一种新的变分信息瓶颈学习策略，所提系统最小化对架构与优化设置的潜在指示特征的依赖，以更好地泛化至未见架构。我们模拟了未见架构克隆检索场景，实验结果表明所提方法相对于最先进方案的有效性。