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

• Communication-Efficient, 2D Parallel Stochastic Gradient Descent for Distributed-Memory Optimization [2.2596489829928452]
  この研究は、1D $s$-step SGD と Averaging (FedAvg) を用いた 1D Federated SGD の作業を一般化し、2D 並列 SGD 法 (HybridSGD) を生成する。 C++ と MPI で全てのアルゴリズムを実装し,Cray EX スーパーコンピュータシステム上での性能評価を行う。
  論文  参考訳（メタデータ） (2025-01-13T17:56:39Z)
• fSEAD: a Composable FPGA-based Streaming Ensemble Anomaly Detection Library [1.8570740863168362]
  機械学習のアンサンブルは、複数のベースモデルを組み合わせてより正確な出力を生成する。 本稿では,複数の部分再構成可能な領域,pblockからなるフレキシブルコンピューティングアーキテクチャを提案し,それぞれが異常検出を実装している。 概念実証設計では,ロダ,RS-Hash,xStreamの3つの最先端異常検出アルゴリズムがサポートされている。
  論文  参考訳（メタデータ） (2024-06-10T03:38:35Z)
• Cross-Inlining Binary Function Similarity Detection [16.923959153965857]
  クロスインラインマッチングのためのパターンベースモデルCI-Detectorを提案する。 以上の結果から,CI-Detectorは81%の精度でクロスインラインペアを検出し,97%のリコールを達成できた。
  論文  参考訳（メタデータ） (2024-01-11T08:42:08Z)
• INR-Arch: A Dataflow Architecture and Compiler for Arbitrary-Order Gradient Computations in Implicit Neural Representation Processing [66.00729477511219]
  計算グラフとして表される関数を考えると、従来のアーキテクチャはn階勾配を効率的に計算する上で困難に直面している。 InR-Archは,n階勾配の計算グラフをハードウェア最適化データフローアーキテクチャに変換するフレームワークである。 1.8-4.8x と 1.5-3.6x の高速化を CPU と GPU のベースラインと比較した結果を示す。
  論文  参考訳（メタデータ） (2023-08-11T04:24:39Z)
• AdaBin: Improving Binary Neural Networks with Adaptive Binary Sets [27.022212653067367]
  本稿では,重みとアクティベーションを共に1ビット値に分割したBNN(Binary Neural Networks)について検討する。 最適二元集合を適応的に得るために、AdaBin と呼ばれる単純で効果的なアプローチを提案する。 ベンチマークモデルとデータセットの実験結果は、提案されたAdaBinが最先端のパフォーマンスを達成可能であることを示している。
  論文  参考訳（メタデータ） (2022-08-17T05:43:33Z)
• 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)
• Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
  Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。 実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。 本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-13T02:44:05Z)
• Fast 2D Convolutions and Cross-Correlations Using Scalable Architectures [2.2940141855172027]
  基本的な考え方は、2次元の畳み込みとクロス相関を変換領域内の1次元の畳み込みとクロス相関の集合にマッピングすることである。 このアプローチでは、スケーラブルなアーキテクチャを使用して、最新のFPGAやZynq-SOCデバイスに組み込むことができる。
  論文  参考訳（メタデータ） (2021-12-24T22:34:51Z)
• 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)
• Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
  本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。 イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。 我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
  論文  参考訳（メタデータ） (2021-04-02T02:07:37Z)

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。