[发明专利]构建评测二进制代码比对工具的测试数据集的方法及系统

说明书

本发明涉及构建评测二进制代码比对工具的测试数据集的方法，包括：从GitHub代码托管服务平台采集多个项目的信息，并存储于数据库系统中；项目的信息包括项目的各发布版本及父版本/子版本对的commit信息；构建分布式编译源代码的环境，以项目各发布版本信息为输入，对项目不同版本的源代码进行编译，获取各版本源代码对应的二进制代码数据样本；依据源代码名称获取对应父版本/子版本对的commit信息，以及遍历存储于数据库中的父版本/子版本对的commit信息，比较父版本/子版本对commit文件的信息，提取差异函数名称；基于获取的二进制代码数据样本及差异函数名称列表，在对应的二进制代码数据样本中提取各差异函数的二进制代码。

技术领域

本发明涉及二进制代码比对工具评测领域，特别涉及构建评测二进制代码比对工具的测试集的方法及系统。

背景技术

对于漏洞挖掘研究人员而言，对二进制代码进行比对是一项重要的工作。不同的二进制代码比对工具提供了不同的功能，二进制代码比对工具可以用于对二进制代码的相似性与差异进行研究。

二进制代码比对方法可以用于系统补丁分析，软件保护等领域。有多种二进制代码比对工具可以用于对二进制代码的相似性与差异进行研究。本专利提出了构建测试集的方法，所构建的测试集用于评测二进制代码比对工具的性能。

发明内容

本发明目的在于，提出构建测试数据集的方法，所构建的测试数据集用于评测二进制代码比对工具的性能。

为实现上述目的，一方面，本发明提供了构建评测二进制代码比对工具的测试数据集的方法，该方法包括以下步骤：

从GitHub代码托管服务平台采集多个项目的信息，并存储于数据库系统中；所述项目的信息包括项目的各发布版本及父版本/子版本对的commit信息，项目版本信息包含当前项目的多个不同版本的源代码；

构建分布式编译源代码的环境，以所述项目各发布版本信息为输入，对项目不同版本的源代码进行编译，获取各版本源代码对应的二进制代码数据样本；

依据源代码名称获取对应父版本/子版本对的commit信息，以及遍历存储于数据库中的父版本/子版本对的commit信息，比较父版本/子版本对commit文件的信息，提取差异函数名称；

基于获取的二进制代码数据样本及差异函数名称列表，在对应的二进制代码数据样本中提取各差异函数的二进制代码。

另一方面，本发明提供了构建评测二进制代码比对工具的测试数据集的系统，该系统包括：

采集单元，用于从GitHub代码托管服务平台采集多个项目的信息，并存储于数据库系统中；所述项目的信息包括项目的各发布版本及父版本/子版本对的commit信息，项目版本信息包含当前项目的多个不同版本的源代码；

编译单元，用于构建分布式编译源代码的环境，以所述项目各发布版本信息为输入，对项目不同版本的源代码进行编译，获取各版本源代码对应的二进制代码数据样本；

解析单元，用于依据源代码名称获取对应父版本/子版本对的commit信息，以及遍历存储于数据库中的父版本/子版本对的commit信息，比较父版本/子版本对commit文件的信息，提取差异函数名称；

提取单元，用于基于获取的二进制代码数据样本及差异函数名称列表，在对应的二进制代码数据样本中提取各差异函数的二进制代码。

本发明在构建的分布式编译环境中对项目不同版本的源代码样本进行分布式编译，以减少样本数据的准备时间；并比较父版本/子版本对commit信息，能够有效提取差异函数名称。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明实施例提供的构建评测二进制代码比对工具的测试数据集的方法流程示意图；