2025年机器语言大模型赋能软件自主可控与安全可信报告-清华大学（朱文宇）_28页_3mb

小结：机器语言大模型赋能软件自主可控与安全可信

1. 背景与挑战

• 软件生态的基石但面临困境：
  • 关键软件（操作系统、工业设计软件 CAD/CAE/CAM、工业控制软件、企业管理系统 ERP/CRM/SCM、移动应用生态等）长期以来由国外主导。
  • 自主可控挑战： 面临断供风险、安全隐患、知识壁垒。许多关键软件闭源，供应链风险高。
  • 安全可信挑战： 软件安全风险未知且层出不穷（恶意代码、未明漏洞、勒索软件等）。目标软件闭源导致分析难度大，隐藏安全问题深。

2. 研究的关键问题

• 核心问题在于分析和理解闭源的目标软件，特别是其安全性。

3. 智能化解决方案：机器语言大模型（MLLM）

• 核心理念： 利用大语言模型（LLM）能力解析二进制程序，解决软件自主可控和安全可信的技术瓶颈。
• 软件表示方式： 将软件解析为“源代码 - 二进制程序 - 程序执行”三个维度的表示，并建立抽象层级。
• 现有局限： 传统大语言模型对二进制程序的解析能力有限。

4. 技术突破与创新

• 融合领域知识的模型优化：
  • 修改模型设计，融入代码指令语义和跳转关系等知识。例如，“跳转嵌入”概念的引入。
  • 发表在 ISSTA 2022, IEEE S&P 等顶级会议/期刊。
• 基于对比学习的语义理解： 测量函数等代码元素的相似度，提高语义理解精度。
• 基于多模态学习的语义理解（CLAP）： 融合汇编代码及其自然语言解释，对齐语义空间，提升二进制代码语义表示的准确性。
• 源自领域知识的数据生成： 通过专业数据标注（源代码、二进制、文本、二进制对齐数据）和模型优化来构建和训练专门面向二进制软件的模型。

5. 功能与愿景

• 对标传统工具： 其反汇编、结构分析、功能理解等核心功能已全面超越 IDA Pro。
• 超越人类专家： 实现接近或超越资深专家水平的程序语义理解。
• 软件分析新范式： 将人从繁琐的底层代码分析中解放，专注于高层分析任务。
• 广泛的应用场景：
  • 软件供应链分析： 版权分析、漏洞挖掘、一致性检测、软件生态迁移。
  • 软件逆向分析： 将黑盒二进制程序反编译似白盒代码，辅助安全分析、代码修复、功能还原。
  • 攻击防御、软件保护分析、软件功能拓展等。

6. 产业意义

• 致力于提供安全分析、性能优化、功能拓展等智能化工具。
• 实现软件分析领域的创新，支持国家战略下的软件自主可控与安全可信发展。

7. 解决方案代表：机器语言大模型（MLM）

• 基于上述关键技术构建的全球首个专注于解析二进制程序的模型。
• 覆盖搜索、分类、比较、结构分析、语义理解、功能翻译等多功能。
• 是支撑软件自主可控与安全可信的具体核心技术解决方案。