九层台

说明更多详细内容查看https://github.com/tower111/binary_volnerablity_mining/blob/master/%E6%95%B0%E6%8D%AE%E6%94%B6%E9%9B%86.md这是对https://github.com/lucamassarelli/Unsupervised-Features-Learning-For-Binary-Similarity项目的分析，这里只是完成对数据收集部分（dataset_creation目录）的分析里面主要

struc2vec说明本文从官方提供的 ppt 出发，主要是进行一些介绍，并不涉及复杂公式的讲解，详细的公式讲解见底部的参考文章。Node Representations将网络节点映射到另一个空间中，这个空间叫欧式空间(Euclidean space)这里介绍了三种不同方式第一个保留网络距离：所谓的距离是一个节点到另一个节点需要经过几个节点（分层）第三个根据节点度的不同进行分类Structural Identity（结构性身份）节点是什么。节点识别方法上图描述了强结构化等价(