CharBot：一种规避 DGA 分类器的简单有效方法
机器学习
2019-05-31 v2 密码学与安全
机器学习
摘要
恶意软件通常利用域名生成算法（DGA）创建域名列表，用于命令与控制（C&C）目的。近年来已开发出基于机器学习的方法，以实时自动检测生成的域名。在本工作中，我们提出了一种名为 CharBot 的新型 DGA，它能够生成大量未被最先进的 DGA 实时检测分类器（包括近期发表的方法 FANCI（一种基于人工设计特征的随机森林）和 LSTM.MI（一种深度学习方法））检测到的未注册域名。CharBot 非常简单、有效，且不需要了解目标 DGA 分类器的知识。我们表明，使用 CharBot 样本重新训练分类器并非一种可行的防御策略。我们相信这些发现表明，如果 DGA 分类器仅依赖域名字符串做出决策，则其本质上容易受到对抗攻击。因此，设计鲁棒的 DGA 分类器可能需要使用域名之外的附加信息。据我们所知，CharBot 是迄今为止提出的针对 DGA 分类器最简单、最有效的黑盒对抗攻击。
引用
@article{arxiv.1905.01078,
title = {CharBot: A Simple and Effective Method for Evading DGA Classifiers},
author = {Jonathan Peck and Claire Nie and Raaghavi Sivaguru and Charles Grumer and Femi Olumofin and Bin Yu and Anderson Nascimento and Martine De Cock},
journal= {arXiv preprint arXiv:1905.01078},
year = {2019}
}