用于恶意软件分析的辅助分类器 GAN
密码学与安全
2021-07-06 v1 机器学习
摘要
生成对抗网络（GAN）是一类强大的机器学习技术，其中生成模型与判别模型被同时训练。例如，GAN 已成功用于生成“深度伪造”图像。恶意软件研究近期趋势包括将可执行文件视为图像并采用基于图像的分析技术。在本研究中，我们使用辅助分类器 GAN（AC-GAN）生成伪造恶意软件图像，并考量对所得图像进行分类的多种技术的有效性。我们的结果表明，由此产生的多类分类问题具有挑战性，但在将问题限制为区分真实与伪造样本时，我们可获得强劲结果。尽管 AC-GAN 生成的图像常看似与真实恶意软件图像非常相似，我们得出结论：从深度学习视角看，AC-GAN 生成的样本未达到深度伪造恶意软件图像的水平。
引用
@article{arxiv.2107.01620,
title = {Auxiliary-Classifier GAN for Malware Analysis},
author = {Rakesh Nagaraju and Mark Stamp},
journal= {arXiv preprint arXiv:2107.01620},
year = {2021}
}