論文の概要: Binary Diffing as a Network Alignment Problem via Belief Propagation
- arxiv url: http://arxiv.org/abs/2112.15337v1
- Date: Fri, 31 Dec 2021 07:54:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-03 13:20:47.168303
- Title: Binary Diffing as a Network Alignment Problem via Belief Propagation
- Title（参考訳）: 信念伝播によるネットワークアライメント問題としてのバイナリ差分法
- Authors: Elie Mengin (SAMM), Fabrice Rossi (CEREMADE)
- Abstract要約: 本稿では,プログラムのコールグラフ上でのグラフ編集問題の特別な事例として,この問題の新しい定式化を導入する。
この定式化はネットワークアライメント問題と等価であることを示す。
我々は,QBinDiffと呼ばれる手法のプロトタイプを実装し,この手法がアートディファリングツールの状況より優れていることを示す広範囲な評価手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we address the problem of finding a correspondence, or
matching, between the functions of two programs in binary form, which is one of
the most common task in binary diffing. We introduce a new formulation of this
problem as a particular instance of a graph edit problem over the call graphs
of the programs. In this formulation, the quality of a mapping is evaluated
simultaneously with respect to both function content and call graph
similarities. We show that this formulation is equivalent to a network
alignment problem. We propose a solving strategy for this problem based on
max-product belief propagation. Finally, we implement a prototype of our
method, called QBinDiff, and propose an extensive evaluation which shows that
our approach outperforms state of the art diffing tools.
- Abstract（参考訳）: 本稿では,二分法における最も一般的なタスクの一つである二分法における2つのプログラムの関数間の対応やマッチングの課題について述べる。
本稿では,プログラムのコールグラフ上のグラフ編集問題の具体例として,この問題の新しい定式化を提案する。
この定式化では、関数内容とコールグラフの類似性の両方に関して、マッピングの品質を同時に評価する。
この定式化はネットワークアライメント問題と同値であることを示す。
本稿では,最大積の信念伝播に基づく問題解決戦略を提案する。
最後に,本手法のプロトタイプであるQBinDiffを実装し,本手法が技術拡散ツールの状況より優れていることを示す広範囲な評価手法を提案する。
関連論文リスト
- Know Your Neighborhood: General and Zero-Shot Capable Binary Function Search Powered by Call Graphlets [0.7646713951724013]
本稿では,コールグラフレットと呼ばれる新しいグラフデータ表現を組み合わせた,新しいグラフニューラルネットワークアーキテクチャを提案する。
専門的なグラフニューラルネットワークモデルは、このグラフ表現に基づいて動作し、セマンティックバイナリコードの類似性を符号化する特徴ベクトルにマッピングすることを学ぶ。
実験結果から,コールグラフレットと新しいグラフニューラルネットワークアーキテクチャを組み合わせることで,同等あるいは最先端の性能が得られることがわかった。
論文 参考訳（メタデータ） (2024-06-02T18:26:50Z) - The graph alignment problem: fundamental limits and efficient algorithms [0.9246334723892301]
グラフ同型問題のノイズバージョンは、エッジの大部分を保存する2つのグラフのノード間のマッチングを見つけることを目的としている。
この論文は、この問題の基本的な情報理論的限界を理解すること、および、基礎となるデータのアライメントを回復できるアルゴリズムを設計および分析することに焦点を当てている。
論文 参考訳（メタデータ） (2024-04-18T15:31:13Z) - Counterfactual Intervention Feature Transfer for Visible-Infrared Person
Re-identification [69.45543438974963]
視覚赤外人物再識別タスク(VI-ReID)におけるグラフベースの手法は,2つの問題により,悪い一般化に悩まされている。
十分に訓練された入力特徴は、グラフトポロジーの学習を弱め、推論過程において十分に一般化されない。
本稿では,これらの問題に対処するためのCIFT法を提案する。
論文 参考訳（メタデータ） (2022-08-01T16:15:31Z) - Deep Probabilistic Graph Matching [72.6690550634166]
本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。
提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
論文 参考訳（メタデータ） (2022-01-05T13:37:27Z) - Improved Algorithm for the Network Alignment Problem with Application to
Binary Diffing [0.0]
本稿では,ネットワークアライメント問題に対処する新しいアルゴリズムを提案する。
実験により,提案モデルが他の最先端の解法よりも優れていることが示された。
また,バイナリ・ディッフィング問題に対処するため,本手法の応用を提案する。
論文 参考訳（メタデータ） (2021-12-31T07:52:14Z) - Bilateral Cross-Modality Graph Matching Attention for Feature Fusion in
Visual Question Answering [71.6781118080461]
本稿では,視覚質問応答(VQA)タスクのためのグラフマッチング注意(GMA)ネットワークを提案する。
まず、画像用のグラフを構築するが、構文情報と埋め込み情報の両方の観点から質問用のグラフを構築する。
次に, 2段グラフエンコーダを用いてモダリティ内関係を探索し, 画像と質問の関係を推定するために, 注目に合う双方向のモダリティグラフを提示する。
実験により、我々のネットワークはGQAデータセットとVQA 2.0データセット上で最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2021-12-14T10:01:26Z) - Deep graph matching meets mixed-integer linear programming: Relax at
your own risk ? [8.05409526074409]
グラフマッチング問題のMILP定式化を統合する手法を提案する。
同様のアプローチは、グラフマッチング解決器の最適保証と品質レベルの導入によって導かれる。
実験により,いくつかの理論的知見が得られ,深部グラフマッチング手法の方向性を導出する。
論文 参考訳（メタデータ） (2021-08-01T08:29:55Z) - Multi-task Supervised Learning via Cross-learning [102.64082402388192]
我々は,様々なタスクを解くことを目的とした回帰関数の集合を適合させることで,マルチタスク学習と呼ばれる問題を考える。
我々の新しい定式化では、これらの関数のパラメータを2つに分けて、互いに近づきながらタスク固有のドメインで学習する。
これにより、異なるドメインにまたがって収集されたデータが、互いのタスクにおける学習パフォーマンスを改善するのに役立つ、クロス・ファーティライズが促進される。
論文 参考訳（メタデータ） (2020-10-24T21:35:57Z) - Line Graph Neural Networks for Link Prediction [71.00689542259052]
実世界の多くのアプリケーションにおいて古典的なグラフ解析問題であるグラフリンク予測タスクについて検討する。
このフォーマリズムでは、リンク予測問題をグラフ分類タスクに変換する。
本稿では,線グラフをグラフ理論に用いて,根本的に異なる新しい経路を求めることを提案する。
特に、線グラフの各ノードは、元のグラフのユニークなエッジに対応するため、元のグラフのリンク予測問題は、グラフ分類タスクではなく、対応する線グラフのノード分類問題として等価に解決できる。
論文 参考訳（メタデータ） (2020-10-20T05:54:31Z) - Wasserstein-based Graph Alignment [56.84964475441094]
我々は,より小さいグラフのノードと大きなグラフのノードをマッチングすることを目的とした,1対多のグラフアライメント問題に対する新しい定式化を行った。
提案手法は,各タスクに対する最先端のアルゴリズムに対して,大幅な改善をもたらすことを示す。
論文 参考訳（メタデータ） (2020-03-12T22:31:59Z) - Graph matching between bipartite and unipartite networks: to collapse,
or not to collapse, that is the question [13.625395368083641]
一致するグラフの1つが二部ネットワークであり、一方が一部ネットワークであるような共通的な設定に対処する。
本稿では,二部グラフと一部グラフのグラフマッチング問題を,非方向のグラフィカルモデルを用いて定式化する。
両部ネットワークを単部ネットワークに変換するという単純なアプローチよりも,我々の手法がより正確なマッチングを実現する方法を示す。
論文 参考訳（メタデータ） (2020-02-05T05:24:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。