論文の概要: VEXIR2Vec: An Architecture-Neutral Embedding Framework for Binary
Similarity
- arxiv url: http://arxiv.org/abs/2312.00507v1
- Date: Fri, 1 Dec 2023 11:22:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-04 14:55:44.285225
- Title: VEXIR2Vec: An Architecture-Neutral Embedding Framework for Binary
Similarity
- Title(参考訳): vexir2vec:バイナリ類似性のためのアーキテクチャ中立組込みフレームワーク
- Authors: S. VenkataKeerthy, Yashas Andaluri, Sayan Dey, Soumya Banerjee,
Ramakrishna Upadrasta
- Abstract要約: バイナリに類似した関数を見つけるためのコード埋め込みフレームワークを提案する。
我々の表現は、ValgrindやAngrといったバイナリ分析ツールが使用している中間表現であるVEX IRに依存しています。
VaseIR2Vecは、最も近いライバルの約3.2倍のスピードアップを達成し、他のツールのオーダー・オブ・マグニチュード・スピードアップを実現している。
- 参考スコア(独自算出の注目度): 1.9574275129043421
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We propose VEXIR2Vec, a code embedding framework for finding similar
functions in binaries. Our representations rely on VEX IR, the intermediate
representation used by binary analysis tools like Valgrind and angr. Our
proposed embeddings encode both syntactic and semantic information to represent
a function, and is both application and architecture independent. We also
propose POV, a custom Peephole Optimization engine that normalizes the VEX IR
for effective similarity analysis. We design several optimizations like
copy/constant propagation, constant folding, common subexpression elimination
and load-store elimination in POV.
We evaluate our framework on two experiments -- diffing and searching --
involving binaries targeting different architectures, compiled using different
compilers and versions, optimization sequences, and obfuscations. We show
results on several standard projects and on real-world vulnerabilities. Our
results show that VEXIR2Vec achieves superior precision and recall values
compared to the state-of-the-art works. Our framework is highly scalable and is
built as a multi-threaded, parallel library by only using open-source tools.
VEXIR2Vec achieves about $3.2 \times$ speedup on the closest competitor, and
orders-of-magnitude speedup on other tools.
- Abstract(参考訳): VEXIR2Vecは、バイナリで同様の関数を見つけるためのコード埋め込みフレームワークである。
我々の表現は、ValgrindやAngrといったバイナリ分析ツールが使用している中間表現であるVEX IRに依存しています。
提案する埋め込みは,関数を表現するための構文情報と意味情報の両方をエンコードし,アプリケーションとアーキテクチャに依存しない。
また,実効的な類似性解析のためにVEX IRを正規化する独自のピープホール最適化エンジンPOVを提案する。
我々は,コピー/コンスタント伝搬,定数折り畳み,共通部分表現除去,ロードストア除去などの最適化をPOVで設計する。
異なるアーキテクチャをターゲットとしたバイナリの実行,異なるコンパイラとバージョンによるコンパイル,最適化シーケンス,難読化という2つの実験で,フレームワークを評価した。
いくつかの標準プロジェクトや実世界の脆弱性について結果を示します。
以上の結果から,VEXIR2Vecは最先端技術よりも精度とリコール値が優れていることがわかった。
当社のフレームワークは非常にスケーラブルで,オープンソースツールのみを使用してマルチスレッド並列ライブラリとして構築されています。
VEXIR2Vecは、最も近い競合製品で約3.2 \times$のスピードアップを達成し、他のツールでオーダー・オブ・マグニチュード・スピードアップを行う。
関連論文リスト
- Bilateral Network with Residual U-blocks and Dual-Guided Attention for
Real-time Semantic Segmentation [18.393208069320362]
注意計算によって導かれる2分岐アーキテクチャのための新しい融合機構を設計する。
正確には、DGA(Dual-Guided Attention)モジュールを使用して、いくつかのマルチスケール変換を置き換えることを提案した。
Cityscapes と CamVid のデータセットを用いた実験により,本手法の有効性が示された。
論文 参考訳(メタデータ) (2023-10-31T09:20:59Z) - FASER: Binary Code Similarity Search through the use of Intermediate
Representations [0.8594140167290099]
クロスアーキテクチャバイナリコード類似性検索は、多くの研究で研究されている。
本稿では,Function as a String Encoded Representation (FASER)を提案する。
論文 参考訳(メタデータ) (2023-10-05T15:36:35Z) - Binarized Spectral Compressive Imaging [59.18636040850608]
ハイパースペクトル画像(HSI)再構成のための既存のディープラーニングモデルは、優れた性能を実現するが、膨大なメモリと計算資源を持つ強力なハードウェアを必要とする。
本稿では,BiSRNet(Biarized Spectral-Redistribution Network)を提案する。
BiSRNetは,提案手法を用いてベースモデルのバイナライズを行う。
論文 参考訳(メタデータ) (2023-05-17T15:36:08Z) - Harnessing Deep Learning and HPC Kernels via High-Level Loop and Tensor Abstractions on CPU Architectures [67.47328776279204]
この研究は、効率的でポータブルなDeep LearningとHigh Performance Computingカーネルを開発するためのフレームワークを導入している。
1)プロセッシングプリミティブ(TPP)を用いた計算コアの表現と,2)高レベルな宣言的手法でTPPのまわりの論理ループの表現の2つのステップでカーネルの開発を分解する。
我々は、スタンドアロンカーネルと、さまざまなCPUプラットフォームにおける最先端実装よりも優れたエンドツーエンドワークロードを使用して、このアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2023-04-25T05:04:44Z) - Correspondence Matters for Video Referring Expression Comprehension [64.60046797561455]
ビデオ参照表現(REC)は、文章に記述された参照オブジェクトをビデオフレーム内の視覚領域にローカライズすることを目的としている。
既存の手法では,1)ビデオフレーム間の非一貫性な局所化結果,2)参照オブジェクトとコンテキストオブジェクトの混同という2つの問題に悩まされている。
本稿では、フレーム間およびクロスモーダルの両方で密接な関連性を明確に強化する新しいデュアル対応ネットワーク(DCNet)を提案する。
論文 参考訳(メタデータ) (2022-07-21T10:31:39Z) - V2X-ViT: Vehicle-to-Everything Cooperative Perception with Vision
Transformer [58.71845618090022]
我々は、道路上のエージェント間で情報を融合するために、V2X-ViTという全体論的アテンションモデルを構築した。
V2X-ViTは異質なマルチエージェント自己アテンションとマルチスケールウィンドウ自己アテンションの交互層から構成される。
我々のアプローチを検証するために、我々は大規模なV2X知覚データセットを作成します。
論文 参考訳(メタデータ) (2022-03-20T20:18:25Z) - Multi-Exit Vision Transformer for Dynamic Inference [88.17413955380262]
視覚変換器のバックボーンの動的推論に使用できる早期出口分岐のための7つの異なるアーキテクチャを提案する。
提案したアーキテクチャのそれぞれが,精度と速度のトレードオフにおいて有用であることを示す。
論文 参考訳(メタデータ) (2021-06-29T09:01:13Z) - Vision Transformer Architecture Search [64.73920718915282]
現在の視覚変換器(ViT)は、自然言語処理(NLP)タスクから単純に継承される。
ハードウェア予算に類似した最適アーキテクチャを探索するために,ViTASと呼ばれるアーキテクチャ探索手法を提案する。
検索したアーキテクチャは、ImageNetで74.7%の精度で、現在のベースラインのViTアーキテクチャよりも2.5%高い。
論文 参考訳(メタデータ) (2021-06-25T15:39:08Z) - Semantic-aware Binary Code Representation with BERT [27.908093567605484]
バグ発見、マルウェア分析、コードクローン検出など、幅広いバイナリ分析アプリケーションでは、バイナリコード上でのコンテキスト意味の回復が必要である。
近年,バイナリのコード表現を自動再構築するために,機械学習に基づくバイナリ解析手法が提案されている。
本稿では,バイナリコードのセマンティックなコード表現を生成するためにBERTを利用するDeepSemanticを提案する。
論文 参考訳(メタデータ) (2021-06-10T03:31:29Z) - TransVOS: Video Object Segmentation with Transformers [13.311777431243296]
本研究では,時間的・空間的関係をフル活用し,モデル化する視覚変換器を提案する。
人気のある2エンコーダパイプラインをスリム化するために,単一の2パス特徴抽出器を設計する。
実験では、DAVISとYouTube-VOSのデータセットにおける最先端の手法よりもTransVOSの方が優れていることを示した。
論文 参考訳(メタデータ) (2021-06-01T15:56:10Z)
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。