针对基于 RNN 的恶意软件检测算法的黑盒攻击
机器学习
2017-05-24 v1 密码学与安全
摘要
最近的研究表明，基于机器学习的恶意软件检测算法在对抗样本的攻击下非常脆弱。这些工作主要集中于使用固定维度特征的检测算法，而一些研究人员已开始使用循环神经网络 (RNN) 基于序列 API 特征来检测恶意软件。本文提出了一种生成序列对抗样本的新颖算法，用于攻击基于 RNN 的恶意软件检测系统。恶意攻击者通常很难知道目标 RNN 的确切结构和权重。我们训练了一个替代 RNN 来近似目标 RNN。然后，我们提出一个生成式 RNN，从原始的序列恶意软件输入中输出序列对抗样本。实验结果表明，基于 RNN 的恶意软件检测算法无法检测到大多数生成的恶意对抗样本，这意味着所提出的模型能够有效绕过检测算法。
引用
@article{arxiv.1705.08131,
title = {Black-Box Attacks against RNN based Malware Detection Algorithms},
author = {Weiwei Hu and Ying Tan},
journal= {arXiv preprint arXiv:1705.08131},
year = {2017}
}