信息技术的发展,使得生活中的软件层出不穷,漏洞也会越来越多,一些重要的软件的漏洞被恶意使用后会给个人、企业甚至国家造成巨大的损失。由于一些可执行文件大多不开放源码,这就给漏洞的检测造成了困难,技术人员不得不借助逆向分析工具来进行分析。可执行文件可以被理解成由一个个函数组成的二进制文件,在进行反汇编或逆向分析的过程中,确定其中函数的边界就显得尤为重要。当前针对二进制函数边界识别技术的研究有限,大多都集中在二进制代码相似性匹配上。二进制函数边界识别技术主要通过函数签名等传统的方法实现,这些传统的方法又依赖于人工更新,需要建立数据库进行匹配,效率低下,更新并不及时。利用机器学习识别二进制函数边界的方法又大多集中在函数入口点的识别,常常会忽略函数结尾的识别。二进制函数主要位于可执行文件的.text节,本文从多个可执行二进制文件中获取二进制函数构建预训练数据集,通过函数表以滑动窗窗口的方式构建了二进制函数边界数据集。本文尝试用自然语言处理技术来解决二进制函数边界识别问题。为了使预训练模型能更好的学习到二进制函数的语义特征,我们收集了20多个开源项目,用编译器的不同版本分别编译生成不同版本的可执行文件,提取其中的二进制函数,尽可能地丰富数据集,使得预训练模型尽可能的学会其中语义特征。在表现最好的预训练模型上加上不同的网络结构如全连接层、CNN网络使其成为二进制函数边界识别模型,在多个数据集上训练模型识别函数边界,通过在5个开源项目上的测试发现,两个模型在该问题上都取得了不错得效果。