基于 AI 的黑盒代码去混淆：理解、改进与缓解
密码学与安全
2021-02-10 v1 人工智能
摘要
代码混淆旨在保护嵌入软件中的知识产权及其他秘密不被获取。近期工作利用人工智能的进展，希望获得完全免疫于标准（白盒）保护机制的黑盒去混淆器。尽管前景广阔，这一基于 AI 的黑盒去混淆新领域仍处于起步阶段。本文中，我们在三个关键方向上深化基于 AI 的黑盒去混淆现状：理解当前最先进技术、对其改进以及设计专用保护机制。特别地，我们定义了涵盖已有工作并突出关键组件的基于 AI 黑盒去混淆的新通用框架；我们首次指出代码去混淆底层的搜索空间对基于仿真的方法（如已有工作中的蒙特卡洛树搜索）过于不稳定，并主张使用如 S-元启发式等鲁棒方法；我们提出显著优于已有工作（尤其在小时限下成功率更高）且完全免疫于最新反分析代码混淆方法的新优化基于 AI 黑盒去混淆器 Xyntia；最后我们提出两种针对基于 AI 黑盒去混淆的新保护，可抵御 Xyntia 的强大攻击。
引用
@article{arxiv.2102.04805,
title = {AI-based Blackbox Code Deobfuscation: Understand, Improve and Mitigate},
author = {Grégoire Menguy and Sébastien Bardin and Richard Bonichon and Cauim de Souza Lima},
journal= {arXiv preprint arXiv:2102.04805},
year = {2021}
}