DeepAPT：利用端到端深度神经网络进行国家级别APT归因
密码学与安全
2017-11-28 v1 机器学习
神经与进化计算
机器学习
摘要
近年来，大量高级恶意软件（即高级持续性威胁，APT）据称由民族国家开发。将某个APT归因到特定民族国家的任务极具挑战性，原因有如下几点。每个民族国家通常拥有不止一个开发此类高级恶意软件的网络安全部门，这使得传统的作者归因算法失效。此外，这些APT使用最先进的规避技术，使得特征提取十分困难。最后，此类可用APT的数据集极其稀少。在本文中，我们描述了如何成功运用深度神经网络（DNN）进行民族国家APT归因。我们使用沙箱报告（动态运行APT时记录其行为）作为神经网络的原始输入，使DNN能够学习APT自身的高层特征抽象。使用由1000个中国和俄罗斯开发的APT组成的测试集，我们达到了94.6%的准确率。
引用
@article{arxiv.1711.09666,
title = {DeepAPT: Nation-State APT Attribution Using End-to-End Deep Neural Networks},
author = {Ishai Rosenberg and Guillaume Sicard and Eli David},
journal= {arXiv preprint arXiv:1711.09666},
year = {2017}
}