二进制软件成分分析总不准,如何靠AI精准识别?

现在的SCA产品或相关学术论文，识别函数之间的关系，大多采取计算函数相似度来确定2个函数是否相似。将函数文本使用模型将其编码为向量，再使用向量计算相似度。但是这样的相似度并不存在可解释性，2个函数之间到底哪里相似了？从一个相似度值并不能得到具体原因。可能解释为语义相似，但是这种向量的语义相似并不能说明什么，是一个极其模糊的概念。

下面从二进制反编译得到的mbedtls_net_poll函数使用microsoft/codebert-base模型编码为这样的768维向量

这2个向量计算出余弦相似度为0.9862，但是这个相似度能解释吗？到底哪里相似呢？往往一个相似度很难解释。

uintmbedtls_net_poll(uint *param_1, uint param_2, uint param_3){    int iVar1;    uint uVar2;    __fd_mask *p_Var3;    uint uVar5;    timeval *__timeout;    timeval local_120;    fd_set fStack_118;    uint auStack_98[32];    __fd_mask *p_Var4;    uVar5 = *param_1;...       do {           iVar1 = select(uVar5 + 1, &fStack_118,(fd_set *)auStack_98,(fd_set *)0x0,           __timeout);           } while (iVar1 == 4);...

intmbedtls_net_poll( mbedtls_net_context *ctx, uint32_t rw, uint32_t timeout ){    int ret;    struct timeval tv;    fd_set read_fds;    fd_set write_fds;    int fd = ctx->fd;...    do    {        ret = select( fd + 1, &read_fds, &write_fds, NULL,                      timeout == (uint32_t) -1 ? NULL : &tv );    }    while( IS_EINTR( ret ) );...}

如果从函数的实际内容进行语义分析，分析得到真实的函数差异，则可以知道到底哪部分二进制代码和指定版本源码存在关系。而现在的AI大模型天生就会读代码，能够读懂两个函数之间的差异。

软安SCA现已推出二进制AI辅助识别组件版本功能，利用大模型对二进制中的反编译函数进行分析，与源码函数进行比对，逐步分析出该二进制中的函数属于组件的某个版本。

以freetype 2.13.3编译得到的libfreetype.so.6.20.2文件为例，该文件中无任何版本号。但是根据软安二进制组件版本识别算法，能够将该文件的版本号锁定在2.13.1至2.14.3之间。问题来了，这些版本之内有的存在漏洞，有的不存在漏洞。那么该文件到底存在风险吗？

软安 SCA 产品的二进制分析智能体，为二进制组件版本识别带来新的技术突破。它能够对二进制文件进行智能分析，结合组件特征与版本信息持续研判，进一步提升组件版本识别的准确性。

在本案例中，面对组件版本信息模糊、候选范围宽泛且难以精确判定的痛点，AI智能分析依托函数特征提取与函数语义分析推理能力，对候选版本区间进行了层层收敛与精准聚焦，成功将原本高度不确定的版本范围压缩至唯一确定版本，最终准确识别出该文件所对应的组件版本为 2.13.3，与该二进制文件的实际版本一致。

该版本存在相关安全风险，AI分析结果并为后续的风险评估、优先级研判与处置决策提供了关键、明确且可执行的依据，有效提升了SCA检测的准确率与风险发现效率，真正实现了从"版本难辨"到"风险可查"的闭环能力跃迁。

面向软件供应链安全场景，智能体可综合分析二进制文件特征与组件版本信息，提升组件版本识别的准确性，并提供可追溯的分析依据，帮助用户在资产盘点、组件溯源、漏洞影响评估及安全风险排查等环节，更清晰地研判识别结果与潜在影响，为后续风险处置提供支持。