机器语言大模型赋能软件自主可控与安全可信

背景

软件是网络空间的基石，但当前软件生态面临自主可控和安全可信两大难题。

关键问题

软件开发与安全是核心问题之一，特别是对于闭源软件（黑盒二进制程序），缺乏有效的智能化分析手段。机器语言作为网络空间的基石，但现有技术难以对其进行智能化分析。

智能化解决方案：大语言模型

针对上述问题，提出基于大语言模型的智能化解决方案。现有大语言模型难以分析二进制程序，主要原因在于缺乏对机器语言的深刻理解。

方案简介

• 自研机器语言模型训练方法：完善机器语言模型基础设施，通过全自动数据生成、标注、对齐优化模型设计，使模型能深刻理解机器语言并匹敌人类专家。
• 大规模多模态对齐数据：拥有100TB规模的机器语言-自然语言-源代码多模态对齐数据，远超业界公开数据的100GB规模。

关键技术突破

1. 融合领域知识的模型优化：修改模型设计，融入代码领域知识（如指令语义、跳转关系等），提升模型对二进制代码的理解能力（如jTrans: Jump-Aware Transformer for Binary Code Similarity Detection）。
2. 基于对比学习的语义理解：利用对比学习技术，使语义相似的二进制代码embedding接近，增强模型对代码语义的识别能力。
3. 基于多模态学习的语义理解：利用多模态技术，将语义空间与人类意图对齐，更准确地表示二进制代码的语义。

典型应用

Demo-颠覆工作模式的智能逆向分析

通过mlm01.com平台，首次实现将黑盒二进制程序转化为白盒代码，使模型能像人类专家一样理解二进制程序语义，将专家从繁琐的底层代码分析中解放出来，专注高层分析任务。

总结

拥抱人工智能技术，可以有效解决软件自主可控和安全可信问题，助力网络空间智能化发展。https://mlm01.com