By Design 的可证书面鲁棒恶意软件检测器
密码学与安全
2025-08-15 v1 人工智能
摘要
恶意软件分析涉及分析可疑软件以检测恶意负载。静态恶意软件分析无需运行软件即可实现规模化，越来越依赖机器学习技术。尽管这些技术能够获得非常高的检测准确率，但容易被对抗样本所欺骗，即使对样本进行少量修改，即可欺骗检测器而不改变软件行为。与计算机视觉等其他领域不同，创建恶意软件的对抗示例而不改变其功能性质于需要特定的转换。我们提出了一种面向可证书鲁棒恶意软件检测的新模型架构。此外，我们展示了每个可鲁棒检测器都可以分解为特定结构，可用于学习即使在脆弱特征上也能获得稳健的恶意软件检测器。我们的框架 ERDALT 基于这种结构。我们与基于机器学习的恶意软件检测方法进行比较和验证，实现了在检测性能有限下降的情况下的鲁棒检测。
引用
@article{arxiv.2508.10038,
title = {Certifiably robust malware detectors by design},
author = {Pierre-Francois Gimenez and Sarath Sivaprasad and Mario Fritz},
journal= {arXiv preprint arXiv:2508.10038},
year = {2025}
}