2.1.1 Gemini
2.1.1.5 总结和不足
为了能够实现Gemini的复现，我们通读了一遍又一遍Neural Network-based Graph Embedding for Cross-Platform Binary Code Similarity Detection这篇论文，并且查阅了大量文献，观看了若干视频教程，但是在实现代码的时候总是会出现各种各样的问题：首先，是因为Gemini实现采用的是python2.7，但是如今python2.7的pip等诸多功能以及库均已经不维护了，所以在实现代码时导入各种各样所必需的库成为了一个又一个难题；其次，在我们实现代码复现的时候发现我们的CPU环境很难完成一些原本是依赖GPU操作的环境……
在若干次失利后，我们通过老师的帮助，依托实验室环境进行了复现操作，在种种不利条件下，我们成功实现了Gemini的代码复现。
我们的实验也有着一些不足，我们仅使用了100个固件的数据来进行我们模型的训练和评估，数据量并不算大，这对我们所得到的结果或多或少有一点影响。
但是我们的实验目的是通过这100个固件数据的提取、训练和评估以熟悉和掌握Gemini的流程和实验方法，因此100个数据已足以满足上述目的，而之后，我们会获得一批新的数据进行下一步的研究，初步将会获得1000个数据，以进行我们后续的实验和研究。
