生成对抗性恶意软件二进制的尖端技术比较
密码学与安全
2021-11-24 v1 机器学习
摘要
我们考虑网络攻击者生成对抗性恶意软件的问题，其中攻击者的任务是策略性地修改现有二进制恶意软件文件中的某些字节，使得修改后的文件能够规避诸如基于机器学习的恶意软件分类器之类的恶意软件检测器。我们使用从单一公开可用恶意软件数据集中抽取的二进制恶意软件样本评估了三种近期对抗性恶意软件生成技术，并比较了它们规避称为 MalConv 的基于机器学习的恶意软件分类器的性能。我们的结果表明，在比较的技术中，最有效的是策略性修改二进制文件头部字节的技术。最后我们讨论了所得经验与对抗性恶意软件生成主题的 future 研究方向。
引用
@article{arxiv.2111.11487,
title = {A Comparison of State-of-the-Art Techniques for Generating Adversarial Malware Binaries},
author = {Prithviraj Dasgupta and Zachariah Osman},
journal= {arXiv preprint arXiv:2111.11487},
year = {2021}
}
备注
18 pages, 7 figures; summer project report from NREIP internship at Naval Research Laboratory