Детальная информация

Целью работы является разработка и экспериментальная проверка метода выявления дубликатов программного кода в исполняемых файлах, основанного на анализе семантической схожести. Объектом исследования являются фрагменты исполняемых файлов программного обеспечения. Задачи, решаемые в ходе исследования: 1. Анализ методов выявления дубликатов кода в исполняемых файлах и обзор решений. 2. Разработка метода сравнения фрагментов бинарного кода на основе семантической оценки. 3. Формирование выборки для обучения и тестирования модели искусственного интеллекта. 4. Тестирование разработанного решения. В ходе работы были проанализированы основные методы обнаружения клонов кода. Разработан собственный подход к оценке схожести фрагментов бинарного кода, который позволяет выявлять все виды клонов с использованием графовой нейронной сети. Результаты тестирования на различном программном обеспечении показывают, что метод показывает более точные результаты относительно сравниваемых решений. В процессе выполнения работы использовались следующие информационные технологии и программные средства: язык программирования Python 3 в качестве основного инструмента разработки; фреймворк глубокого обучения PyTorch и библиотека PyTorch Geometric для реализации и обучения графовых нейронных сетей; библиотеки scikit-learn и NumPy для вычисления метрик качества и обработки данных; инструмент статического анализа бинарного кода radare2 совместно с библиотекой r2pipe для автоматического дизассемблирования и извлечения графов потока управления из исполняемых файлов форматов ELF и PE.

The aim of this work is to develop and experimentally validate a method for detecting duplicate software code in executable files based on semantic similarity analysis. The object of this study is fragments of executable software files. Problems addressed in this study: 1. Analysis of methods for detecting duplicate code in executable files and a review of solutions. 2. Development of a method for comparing binary code fragments based on semantic assessment. 3. Generating a sample for training and testing the artificial intelligence model. 4. Testing the developed solution. During the course of this work, the main methods for detecting code clones were analyzed. A proprietary approach to assessing the similarity of binary code fragments was developed, which enables the detection of all types of clones using a graph neural network. Testing results on various software demonstrate that this method yields more accurate results than the compared solutions. The following information technologies and software tools were used: Python 3 as the primary development tool; the PyTorch deep learning framework and the PyTorch Geometric library for implementing and training graph neural networks; the scikit-learn and NumPy libraries for calculating quality metrics and processing data; and the radare2 static binary code analysis tool in conjunction with the r2pipe library for automatic disassembly and extraction of control flow graphs from ELF and PE executable files.