Con la creciente utilización de drones, las amenazas a la ciberseguridad que enfrentan se han vuelto más prominentes. La reutilización de código en el desarrollo de software de sistemas de drones ha llevado a vulnerabilidades en los drones. El método de análisis de similitud de código binario ofrece una forma de analizar el firmware de drones que carece de código fuente. Este artículo propone DEGNN, una nueva red neuronal gráfica para el análisis de similitud de código binario. Utiliza gráficos de control mejorados por llamadas y mecanismos de atención para generar embeddings duales de funciones y predecir similitudes basadas en estructuras gráficas y características de nodos. DEGNN es efectivo en tareas de arquitectura cruzada. Los resultados experimentales muestran que en la búsqueda de funciones binarias de arquitectura cruzada, el rango recíproco medio y el recall@1 de DEGNN superan el estado del arte en un 12% y un 28.6%, respectivamente. En la búsqueda de vulnerabilidades del mundo real de arquitectura cruzada, específicamente dirigidas a sistemas de drones, tiene una mejora del 33.3% en el rendimiento sobre el modelo SOTA, lo que indica su gran potencial para mejorar la ciberseguridad de los drones.