[發(fā)明專利]融合影響因子的二進制函數(shù)相似性檢測方法

有效

• 申請?zhí)枺?/td>: 202110607066.7
• 申請日: 2021-05-28
• 公開（公告）號: CN113240041B
• 公開（公告）日: 2022-11-08
• 發(fā)明（設計）人: 羅森林;邢繼媛;潘麗敏;閆晗;吳舟婷
• 申請（專利權）人: 北京理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.融合影響因子的二進制函數(shù)相似性檢測方法，應用于網絡安全漏洞檢測領域，其特征在于所述方法包括如下步驟：

步驟1，對于兩個函數(shù)的二進制文件，分別生成兩個二進制函數(shù)對應的控制流程圖(CFG₁，CFG₂)；

步驟2，根據(jù)二進制函數(shù)中與平臺無關的屬性，將兩個函數(shù)的控制流程圖中的每個基本塊表示成一個特征向量，生成對應的屬性控制流程圖(ACFG₁，ACFG₂)；

步驟3，將兩個函數(shù)的屬性控制流程圖ACFG₁，ACFG₂輸入到兩個完全相同的α-structure2vec網絡中，轉換成其對應的高維向量

步驟4，通過最小化目標函數(shù)訓練步驟3中α-structure2vec網絡中的參數(shù)，計算兩個高維向量的余弦距離，輸出兩個二進制函數(shù)的相似度；

所述步驟3具體包括：

步驟3.1，迭代更新T次得到ACFG中每個頂點的嵌入向量其中 ；

步驟3.1.1，將ACFG中每個頂點的嵌入向量初始化為0；

步驟3.1.2，根據(jù)公式(1)更新頂點的嵌入向量 ， 在更新頂點過程中，考慮到后繼結點對當前頂點的影響，設置后繼結點的集合H(v)；由于當前頂點的一階鄰居結點同時可能是N階鄰居結點，故而不同一階鄰居結點對當前頂點的影響不同，設置影響因子α， 在頂點嵌入向量的更新過程中，如果頂點的某個一階鄰居結點同時為二階鄰居結點，三階鄰居結點……N_neighbor階鄰居結點，則該結點對于頂點嵌入向量的更新影響更大， 更新公式如下：

其中，Q_N(v)為當前頂點的N階前驅結點的集合，H_N(v)為當前頂點的N 階后繼結點的集合，N_neighbor表示當前頂點的N_neighbor階鄰居結點，一般取值為1-10，為非線性變換，如公式(2)所示：

其中，

為了提升非線性變換的性能，將σ(·)定義為n層全連通神經網絡，如公式(5)，公式(6)所示：

σ_Q(l_q)＝P₁×ReLU(P₂×…ReLU(P_n×l_q)) (5)

σ_H(l_h)＝P₁×ReLU(P₂×…ReLU(P_n×l_h)) (6)

步驟3.1.3，新一輪更新頂點的嵌入向量在上一輪所有頂點更新結束后再開始，迭代更新T次；

步驟3.2，將矩陣W₂與頂點的嵌入向量相乘，將ACFG表示為高維向量