买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种面向控制流程图的跨平台二进制函数表征方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115202736B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210684915.3，技术领域涉及：G06F8/75；该发明授权一种面向控制流程图的跨平台二进制函数表征方法及装置是由彭金雪;王勇;薛静锋;孙欢;李雪薇;郅睿设计研发完成，并于2022-06-14向国家知识产权局提交的专利申请。

本一种面向控制流程图的跨平台二进制函数表征方法及装置在说明书摘要公布了：本发明公开了一种面向控制流程图的跨平台二进制函数表征方法及装置，所述方法包括：获取二进制代码的指令集并统计特征；获取各个指令特征的特征向量；基于所述指令特征的特征向量及LSTM模型，对各个CFG中的各个基本块进行基本块嵌入，得到各个基本块的特征向量；过滤CFG中的无效节点，得到过滤后的基本块对应的特征向量集；使用图神经网络模型进行函数表征；所述图神经网络模型中，每个节点获取其对应的k阶邻居的信息；某节点的k阶邻居为所述图神经网络模型中，与该节点的连接级数小于或等于k的节点。本方法具有强大的数据理解能力和认知能力，并对邻居节点进行随机采样来控制k阶子图的数据规模，节省开销。

本发明授权一种面向控制流程图的跨平台二进制函数表征方法及装置在权利要求书中公布了：1.一种面向控制流程图的跨平台二进制函数表征方法，其特征在于，包括： 步骤S1：获取二进制代码，提取所述二进制代码对应的指令集特征，所述指令集特征包括多个指令特征； 步骤S2：将所述指令集特征输入Word2Vec模型，获取各个指令特征的特征向量； 步骤S3：获取所述二进制代码对应的多个CFG，基于所述指令特征的特征向量及LSTM模型，对各个CFG中的各个基本块进行基本块嵌入，得到各个基本块的特征向量； 所述CFG的构建方式为：预设CFG的规模，即预设所述CFG的顶点数p，每个顶点对应的指令集中包含的指令数m； 对于各二进制函数fc，若fc对应的基本块的总数小于p，则进行顶点填充操作，填充的顶点由0构成，即无效顶点；无效顶点不具有边；若fc对应的基本块的总数大于p，则进行顶点截取操作，即顺序或随机截取p个基本块作为顶点，舍弃其它基本块； 对于各二进制函数fc，基于p个顶点之间的控制流关系，建立p个顶点之间的边；存放所述二进制函数fc对应的CFG中各顶点间的关系的二维数组称为邻接矩阵； 过滤基本块的特征向量中的无效顶点，包括： 步骤S41：获取所述基本块的特征向量，基于所述基本块对应的二进制函数，获取所述二进制函数对应的邻接矩阵A；步骤S42：将邻接矩阵A以键值对的形式添加至temp集合； 步骤S43：获取所述基本块的特征向量中的行向量，对每个行向量均执行以下操作：若行向量中的每个元素均为零，将该行的角标添加至invalid集合；否则，将该行元素添加至valid集合；将temp集合中的当前行置为首行； 步骤S44：获取temp集合中的当前行元素H，若H中的任意一个元素与invalid集合中的任意一个元素相等，从temp集合中将该行元素H删除；否则，进入步骤S45； 步骤S45：将当前行更新为temp集合的下一行；若temp集合遍历结束，即当前行为空，则将处理后的temp集合作为结果输出；否则，进入步骤S44； 步骤S4：基于各个CFG中基本块的总数与预设的基本块规模之间的关系，过滤CFG中的无效节点，得到过滤后的基本块对应的特征向量集； 步骤S5：获取各个CFG的结构信息，将所述各个CFG对应的各个基本块过滤后的特征向量集及结构信息作为图神经网络模型的输入，使用图神经网络模型进行函数表征；所述图神经网络模型中，每个节点获取其对应的k阶邻居的信息；某节点的k阶邻居为所述图神经网络模型中，与该节点的连接级数小于或等于k的节点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。