随着开源的软件越来越多,在项目开发过程,为了提高开发效率以及程序性能,不可避免的需要引用开源的库和开源的代码块。对于只能获取二进制的项目,通过二进制代码相似性分析来判断项目中是否使用了库中的代码,前人已经提出了一些解决方案,但这些方案要么只能针对单架构的二进制代码进行相似性分析,要么通过特征进行跨平台的函数进行分析,并不能获得不同架构函数真正的语义表示。本文提出了一个基于对比学习的方案来解决该问题。采用BERT模型,获取单架构函数块语义嵌入。通过设计新的归一化方案,对函数进行归一化处理,同时设计三种训练任务,使得语义嵌入模型学习获取指令语义的能力。对比几种语义嵌入提取方案,从中获得最好的方案。将本文训练的模型和Asm2Vec模型对比,发现具有更好的性能。针对跨平台函数块的语义嵌入,本文提出了一个新的模型MESCL（Multi-Encoder Supervised Contrastive Learning Model）,该模型有两个不同的编码器,分别对应本文研究的两种不同的架构:x86和arm。通过Info NCE损失函数,实现最大化正例对的相似度,最小化负例对的相似度。从而对齐独立的单架构语义嵌入空间。通过该模型能够很好的学习跨架构的语义嵌入表示,通过实验发现其比跨平台模型Gemini的AUC值提高了3%。在该模型获得的语义嵌入向量的基础上,对比各种相似性检索方案,分析各种方案优劣。本文对比暴力搜索方案,基于哈希的ANN方案（LSH）,基于矢量量化的ANN方案（K-means）这三种相似向量检索方案,通过实验对这些方案的准确度和查询速度进行分析,本文选取最优的搜索引擎方案为基于矢量量化的相似向量检索方案。