Abstract

Learning based clone detection
优点: 某种程度上解决了传统dynamic search approach和static search approach存在的高time overhead的问题
缺点：精度受限，在工业使用中往往需要人工检查TopM search results

本文工作：
提出工具VulSeeker-Pro

• 特点：在语义学习后端集成了function semantic emulation（函数语义模拟）
• 优点：解决了需要人工检查的问题
• 步骤：
  1. 使用基于predictor的semantic learning来快速预测top-M candidate function，这些function是最可能使得target binary产生bug的
  2. 将这些topM candidates放入emulation engine，再获取topN candidate functions
  这里，semantic learning起到了快速筛选作用，而emulation则实现了dynamic trace generation。
  效果：搜索精度提升，time overhead少
  实验：
  对象：6个工业软件，15个已知CVE
  结果：精度明显更高
  具体结果：
• 在45次搜索中，top1中有40次真bug，top5则是43次
• 比Gemini的精度高出12.33倍和2.58倍
• 只需要多花大概0.22秒