NLP技术也能帮助程序分析？

众所周知，在机器学习领域中，计算机视觉、自然语言处理和语音识别的技术已经发展的非常成熟，都已经有非常好的效果。同时，在系统安全领域，也有非常多的研究者，正在尝试使用非常大量的数据进行分析，以完成一些人类难以完成的挑战。

 

以程序分析为例，从源码，经过编译获得中间语言、汇编码，再到二进制，最终进行运行，是一个很复杂的过程，而研究者就希望反向从二进制获得更多和源码直接相关的信息，以达成自身的研究目的，这就是所谓的“逆向工程”。然而，在逆向工程中，本身就具有非常多的问题，例如，信息的缺失，信息的不对等，甚至人都无法判断的条件和选项，常常让研究者头疼不已。因此，我们就希望通过机器学习的方式进行更多信息的挖掘，以更为取巧的方式获得最终的结果。

 

二进制相似度是在程序分析中非常重要的一环，其应用范围非常广泛，如果知道相应的程序相似度，对于代码克隆检测、恶意程序检测都能起到良好的辅助，甚至决定性的作用。然而程序在进行商用的过程中，为了防止源码被逆向工程情谊获取到，混淆和信息的缺失是非常常见的。因此在19年S&P（CCF-A）上，出现了一篇很有意思的工作，其利用了NLP领域中PV-DM的算法，巧妙的进行了迁移，解决了二进制相似度比较中，混淆和信息缺失的问题。