数据加密战场：关于勒索软件攻击中动态对抗的深入探讨
密码学与安全
2025-04-30 v1
摘要
在网络安全威胁快速演变的背景下，勒索软件代表着重大的挑战性。攻击者日益采用复杂的加密方法，如通过Base64编码实现熵值降低，以及部分或间歇式加密，以规避传统检测方法。本研究探讨了对手持续优化加密策略与防御方开发先进防御措施之间动态博弈。我们研究了针对对手演变的隐蔽技术，设计的用于预测文件加密活动的在线增量机器学习算法。我们的分析利用了32.6 GB的大型数据集，包含11,928个跨多种格式的文件，包括Microsoft Word文档(doc)、PowerPoint演示文稿(ppt)、Excel表格(xlsx)、图像格式(jpg, jpeg, png, tif, gif)、PDF文件(pdf)、音频文件(mp3)和视频文件(mp4)。这些文件被75个不同的勒索软件族加密，促成了对机器学习分类器在应对多样化加密策略方面效果的稳健实证评估。结果表明，Hoeffding树算法在增量学习方面表现卓越，尤其擅长检测旨在降低熵值的传统加密方法和AES-Base64加密方法。相比之下，具备热启动功能的随机森林分类器在识别间歇式加密方法方面表现出色，显示出针对复杂勒索软件策略需要量身定制的机器学习解决方案。
引用
@article{arxiv.2504.20681,
title = {Data Encryption Battlefield: A Deep Dive into the Dynamic Confrontations in Ransomware Attacks},
author = {Arash Mahboubi and Hamed Aboutorab and Seyit Camtepe and Hang Thanh Bui and Khanh Luong and Keyvan Ansari and Shenlu Wang and Bazara Barry},
journal= {arXiv preprint arXiv:2504.20681},
year = {2025}
}