恶意网站检测中的逃避与反逃避研究
密码学与安全
2014-08-12 v1 人工智能
摘要
恶意网站是主要的网络攻击向量，有效检测它们是重要的网络防御任务。在此方面的主要防御范式是防御者使用某种机器学习算法训练检测模型，然后用于分类可疑网站。与其他设置不同，以下问题是恶意网站检测所固有的：攻击者本质上可以访问防御者用于训练其检测模型的相同数据。这种“对称性”原则上可以被攻击者利用，以逃避防御者的检测模型。在本文中，我们提出了一个框架来刻画攻击者与防御者之间的逃避与反逃避交互，其中攻击者试图利用这种对称性来逃避防御者的检测模型。在此框架内，我们表明自适应攻击者可以使恶意网站逃避强大的检测模型，但主动训练可以成为一种有效的反逃避防御机制。该框架面向流行的决策树检测模型，但可进行调整以适应其他分类器。
引用
@article{arxiv.1408.1993,
title = {An Evasion and Counter-Evasion Study in Malicious Websites Detection},
author = {Li Xu and Zhenxin Zhan and Shouhuai Xu and Keyin Ye},
journal= {arXiv preprint arXiv:1408.1993},
year = {2014}
}