2025-03-16-清华大学-2025年机器语言大模型赋能软件自主可控与安全可信报告_28页_2mb

机器语言大模型赋能

核心内容

本文档主要探讨了机器语言大模型（MLM）在软件自主可控与安全可信领域的应用与价值。通过智能化方案，MLM能够帮助解决关键软件长期由国外主导所带来的断供、安全和知识产权风险问题，尤其是在工业设计软件、工业控制软件和工业信息管理软件方面。

主要观点

• 软件自主可控与安全可信 是当前软件行业面临的重要课题，特别是在涉及国家安全和企业发展的关键领域。
• 关键软件闭源 是导致供应链风险高、自主可控难度大的主要原因之一。
• 机器语言是网络空间的基石，但缺乏智能化解决方案，使得软件分析和理解变得困难。
• 机器语言大模型 可以通过深度学习和自然语言处理技术，实现对二进制代码的语义理解和分析，从而推动软件分析向智能化发展。

关键信息

背景

• 当前软件行业高度依赖国外厂商，存在断供、安全和知识产权风险。
• 工业软件如CAD、CAE、CAM、GE/西门子、MES、DCS、SCADA、ERP、CRM、SCM等，是企业运营的核心，但其安全性、可控性和可迁移性受到挑战。

关键问题

• 软件分析：二进制信息缺失，导致难以理解和分析软件功能。
• 软件理解：依赖人工经验，效率低且容易出错。
• 安全风险：目标软件闭源，分析难度大，安全问题隐藏深。

智能化方案

• 机器语言大模型：利用Transformer架构和自注意力机制，实现对二进制代码的语义理解。
• 多模态技术：将语义空间与人类意图对齐，提高代码分析的准确性。
• 数据生成与对齐：通过大规模数据训练，优化模型设计，使其能够理解并分析二进制代码。
• 模型优化：面向二进制软件进行模型优化，提高其在不同平台和架构上的适用性。

典型应用

• 软件逆向分析：突破卡脖子技术，实现对闭源软件的逆向分析。
• 软件生态迁移：支持信创国产化、老旧软件升级迁移。
• 软件供应链分析：提供细粒度、高速、语义对齐的二进制代码比对。
• 软件一致性检测：解决采购痛点，提高软件一致性。
• 漏洞挖掘：赋能0day、1day漏洞挖掘，提高软件安全性。
• 软件版权保护分析：破解取证难题，保护软件知识产权。

总结

• 机器语言大模型 为软件自主可控与安全可信提供了新的解决方案，能够有效应对关键软件闭源带来的挑战。
• 智能化方案 包括全自动数据生成、标注、对齐，以及模型设计优化，使得软件分析更加高效和准确。
• 典型应用 涵盖了软件逆向分析、生态迁移、供应链分析、一致性检测、漏洞挖掘和版权保护等多个方面，展示了机器语言大模型的广泛前景。
• 未来展望：随着技术的不断进步，机器语言大模型将在更多场景中发挥重要作用，推动软件行业向更加智能、安全和可控的方向发展。