逆势而行：在规避竞赛中以多样性赢得防御挑战
密码学与安全
2020-10-20 v1 机器学习
摘要
基于机器学习的恶意软件检测系统在敌对环境中运行。因此，对手也会以学习系统为目标，并利用规避攻击绕过恶意软件检测。在本文中，我们概述了我们的基于学习的系统 PEberus，它在微软规避竞赛的防御者挑战中获得第一名，抵御了来自独立攻击者的多种攻击。我们的系统结合了多种多样化的防御：我们解决语义鸿沟问题，使用多种分类模型，并应用一种有状态防御。该竞赛为我们提供了在真实场景中检验规避攻击的独特机会。它还强调，通过彻底分析攻击面并实现来自对抗学习的概念，现有的机器学习方法可以被强化以抵御攻击。我们的防御可作为未来的额外基线，以加强关于安全学习的研究。
引用
@article{arxiv.2010.09569,
title = {Against All Odds: Winning the Defense Challenge in an Evasion Competition with Diversification},
author = {Erwin Quiring and Lukas Pirch and Michael Reimsbach and Daniel Arp and Konrad Rieck},
journal= {arXiv preprint arXiv:2010.09569},
year = {2020}
}