基于软件基因的抗混淆二进制代码克隆检测方法

摘要

本发明公开一种基于软件基因的抗混淆二进制代码克隆检测方法，首先使用O‑LLVM编译器对源程序进行编译得到汇编程序，然后再对汇编程序提取CFG，然后应用软件基因的概念，将其划分成多个软件基因块，将CFG中每一个节点分割为独立的软件基因块进行指令规范化后，利用随机游走算法遍历CFG中的节点获取软件基因序列作为训练集，之后再应用机器学习算法对训练集进行训练，主要采用自然语言处理的方法(Word2Vec)对汇编指令进行词嵌入，然后采用Doc2Vec对软件基因序列进行语义嵌入，提取函数的语义信息，最终使得训练好的模型能够在抗混淆的代码克隆检测中获得良好的效果。本发明能够在抵抗混淆选项的同时，有效地检测二进制代码的相似程度。