本文提出了一种名为 BINALIGNER 的二进制代码比对方法，旨在解决跨编译环境下的二进制文件差异分析问题。二进制差异分析（Binary Diffing）通过比对两个二进制文件的控制流图，将对应同一源代码片段的片段进行对齐，广泛应用于漏洞检测、抄袭检测等安全分析场景。然而，现有方法在跨编译环境（如不同编译器、不同优化级别、不同架构等）下效果有限，且对跨编译环境的支持不够灵活，主要原因在于它们依赖基本块的相似性比较。为了克服这些局限，BINALIGNER 在二进制层面提出了两项核心创新：一是引入条件松弛策略（conditional relaxation strategies）来筛选候选子图对，以减少同一源代码片段被错误匹配或漏匹配的可能性；二是使用与指令无关的基本块特征（instruction-independent basic block features）来生成子图嵌入，从而支持更灵活的跨编译环境二进制差异分析。作者在四个典型的跨编译环境场景（跨版本、跨编译器、跨优化级别、跨架构）以及这些场景的组合下进行了实验评估，结果表明 BINALIGNER 在大多数场景中显著优于现有的最先进方法。特别地，在跨架构场景以及多种跨编译环境组合场景下，BINALIGNER 的 F1 分数平均比基线方法高出 65%。此外，作者还通过两个真实世界的漏洞及其补丁的案例研究，展示了 BINALIGNER 在实际安全分析中的实用性。总体而言，BINALIGNER 为跨编译环境的二进制代码比对提供了一种更准确且灵活的解决方案，对于安全研究人员、漏洞分析师以及逆向工程人员具有较高的参考价值。

代码复用是软件开发中的常见现象，但也带来漏洞的广泛传播，威胁软件安全。随着物联网（IoT）的普及，固件代码复用问题更加突出。二进制代码搜索是发现这些隐藏漏洞的有效途径。然而，IoT固件通常由不同编译器、不同优化级别、不同架构编译而成，现有方法难以适应这种复杂场景。本文提出一种新的中间表示函数模型，该模型与架构无关，适用于跨架构二进制代码搜索。具体方法是将二进制代码提升为微码，通过补充隐式操作数和修剪冗余指令来保留二进制函数的主要语义。然后，利用自然语言处理技术和图卷积网络生成函数嵌入。作者将编译器、架构和优化级别的组合称为“文件环境”，并采用分治策略，将C2N跨文件环境场景的相似度计算问题分解为N-1个嵌入传递子问题。为此，提出基于熵的适配器，将不同文件环境的函数嵌入转换到同一文件环境，以缓解文件环境差异带来的影响。为了精确识别脆弱函数，提出渐进搜索策略，用细粒度特征补充函数嵌入，减少由补丁函数引起的误报。原型系统VulHawk在七种不同任务下进行了实验，结果表明其在性能和鲁棒性上均优于Asm2Vec、Asteria、BinDiff、GMN、PalmTree、SAFE和Trex等现有方法。