BinaryCorp

该数据集是一个通过自动编译获得的大量二进制程序集合，包含了48,130个二进制程序以及大约2600万个二进制函数。它涵盖了两种编译器（gcc和clang）以及五种编译优化级别（O0-O3、Os），相较于其他数据集如BinKit和Cisco，该数据集在多样性和现实性方面更具优势。在规模上，它属于大型数据集，其任务是进行二进制代码嵌入。

This dataset is a large collection of binary programs generated via automated compilation. It comprises 48,130 binary programs and approximately 26 million binary functions, supporting two compilers (gcc and clang) and five compilation optimization levels (O0-O3, Os). Compared to other datasets such as BinKit and Cisco, this dataset demonstrates superior diversity and realism. As a large-scale dataset, it is designed for binary code embedding tasks.

搜集汇总

背景与挑战

背景概述

BinaryCorp是一个用于二进制代码相似性检测的大规模多样化数据集，与jTrans项目相关联。该数据集提供了原始二进制文件，支持进一步的特征提取和处理。