Core Concepts
CEBin proposes a cost-effective framework that combines embedding-based and comparison-based approaches to enhance accuracy in large-scale binary code similarity detection.
Abstract
CEBin introduces a novel framework for binary code similarity detection, addressing challenges in accuracy and efficiency.
The framework combines embedding-based and comparison-based approaches to improve accuracy while minimizing overheads.
Experimental results demonstrate CEBin's superiority over existing state-of-the-art solutions in detecting similar code in large-scale software ecosystems.
CEBin achieves impressive recall rates and faster processing times compared to baseline methods.
The framework's design choices, such as the Reusable Embedding Cache Mechanism, significantly impact performance and effectiveness.
Stats
CEBin은 임베딩 기반과 비교 기반 접근법을 결합하여 정확도를 향상시키는 혁신적인 프레임워크를 제안합니다.
CEBin은 기존 최첨단 솔루션에 비해 우수한 성능을 보입니다.
CEBin은 빠른 처리 시간과 뛰어난 회수율을 달성합니다.
Quotes
CEBin은 임베딩 기반과 비교 기반 접근법을 결합하여 정확도를 향상시키는 혁신적인 프레임워크를 제안합니다.
CEBin은 기존 최첨단 솔루션에 비해 우수한 성능을 보입니다.
CEBin은 빠른 처리 시간과 뛰어난 회수율을 달성합니다.