基于人工智能的恶意软件分析
密码学与安全
2017-05-01 v1 人工智能
摘要
人工智能方法常应用于网络防御领域执行特定功能或任务。然而，随着对手方法变得更复杂且难以洞悉，为理解网络攻击（尤其是基于恶意软件的攻击）而进行的零散努力，并未为恶意软件分析师提供充分手段以理解恶意软件的过去、现在和未来特征。本文我们提出利用遗传信息的恶意软件分析与归因（MAAGI）系统。MAAGI 系统背后的基本理念是，恶意软件行为与生物有机体行为之间存在强烈相似性，将生物启发方法应用于恶意软件语料库可帮助分析师更好地理解恶意软件攻击的生态系统。由于恶意软件及分析的复杂性，MAAGI 系统严重依赖人工智能技术来提供此能力。在其开发生命周期中已产生有前景的结果，并有望启发人工智能与网络防御界更多的融合。
引用
@article{arxiv.1704.08716,
title = {Artificial Intelligence Based Malware Analysis},
author = {Avi Pfeffer and Brian Ruttenberg and Lee Kellogg and Michael Howard and Catherine Call and Alison O'Connor and Glenn Takata and Scott Neal Reilly and Terry Patten and Jason Taylor and Robert Hall and Arun Lakhotia and Craig Miles and Dan Scofield and Jared Frank},
journal= {arXiv preprint arXiv:1704.08716},
year = {2017}
}