本文介绍了 vSim，一种面向二进制代码相似性分析的语义感知值提取方法。研究背景：二进制代码相似性分析（BCSA）在漏洞搜索、恶意软件分析、补丁检测等安全场景中具有重要应用，但现有方法大多依赖指令级别或结构特征，难以捕捉深层语义，且面对编译器优化、不同架构时鲁棒性不足。核心问题：如何高效地从二进制代码中提取具有语义价值的特征，以提升相似性比较的准确性与效率。提出的方法：vSim 设计了一种语义感知的值提取框架，通过分析指令中对内存地址、算数运算、函数调用等操作涉及的数值传播路径，构建语义标记的值流图（Value Flow Graph），并利用轻量级符号执行与抽象解释相结合的技术，提取具有语义一致性的特征向量。该方法不依赖于符号名或调试信息，可适用于 stripped binaries。主要贡献：1) 提出了第一个专门针对数值语义进行提取的轻量级方法，兼顾效率与精度；2) 在跨架构（x86、ARM、MIPS）及跨优化等级的相似性检测任务上，vSim 相比现有最优工具（如 XMATCH、BinDiff）平均提升了 15-30% 的准确率，同时保持接近线性的时间开销；3) 公开了基于 NDSS 2026 论文的工件（artifact），支持复现与扩展。实验在包含真实软件编译的大规模数据集上进行，验证了方法的有效性与鲁棒性。本文适合对二进制分析、漏洞挖掘、逆向工程感兴趣的安全研究人员阅读。