攻击基本原理：针对二进制函数分类器的黑盒、无查询定向模仿攻击
机器学习
2026-05-19 v1
摘要
二进制函数分类器通过检测恶意代码和未授权修改，在维护软件系统的安全性和完整性方面发挥着至关重要的作用。然而，基于机器学习的分类器容易受到可规避检测的对抗攻击。在本研究中，我们提出了 Kelpie，这是一个在黑盒、零查询设置下对二进制函数分类器执行模仿攻击（一种更强的定向规避攻击）的新框架。与以往依赖查询目标分类器来优化无目标规避攻击的方法不同，Kelpie 利用代码变换在保持恶意载荷功能不变的同时，使其被分类为我们期望的类别。通过广泛的实验，我们证明 Kelpie 能够在无需与目标分类器直接交互的情况下，成功对代表不同模型架构的六个 SOTA 二进制函数分类器执行模仿攻击。我们通过一个实际演示进一步验证了该方法，该演示涉及隐藏在应用程序中嵌入的看似良性函数内的键盘记录器和擦除器。据我们所知，这项工作首次在黑盒、零查询背景下演示了此类模仿攻击，对现有基于机器学习的二进制函数分类器的可靠性和安全性提出了重要质疑。
引用
@article{arxiv.2605.18231,
title = {Attacking the First-Principle: A Black-Box, Query-Free Targeted Mimicry Attack on Binary Function Classifiers},
author = {Gabriel Sauger and Jean-Yves Marion and Sazzadur Rahaman and Victor Matrat and Vincent Tourneur and Muaz Ali},
journal= {arXiv preprint arXiv:2605.18231},
year = {2026}
}