防御基于硬件的恶意软件检测器以抵御对抗攻击
密码学与安全
2020-07-28 v2
摘要
在物联网（IoT）时代，过去十年间恶意软件呈指数级激增。传统杀毒软件对现代复杂恶意软件无效。为应对此挑战，研究者提出了利用硬件性能计数器（HPCs）的硬件辅助恶意软件检测（HMD）。HPCs 被用于训练一组机器学习（ML）分类器，进而用于区分良性程序与恶意软件。近来，已有对抗攻击通过利用对抗样本预测器在 HPC 轨迹中引入扰动，使程序针对特定 HPCs 被误分类。这些攻击设计的基本假设是攻击者知晓用于检测恶意软件的 HPCs。由于现代处理器包含数百个 HPCs，仅限制使用其中少数几个进行恶意软件检测会助长攻击者。本文中，我们针对此对抗攻击提出一种移动目标防御（MTD），通过设计多个基于不同 HPC 集合训练的 ML 分类器实现。MTD 随机选取一个分类器，从而令攻击者困惑于所使用的 HPCs 或分类器数量。我们建立了分析模型，证明攻击者猜中 MTD 的完美 HPC-分类器组合的概率极低（对于含 20 个 HPCs 的系统，处于 量级）。实验结果表明，所提防御能将经对抗样本生成器修改的 HPC 轨迹分类准确率提升高达 31.5%，近乎完美（99.4%）地恢复原始准确率。
引用
@article{arxiv.2005.03644,
title = {Defending Hardware-based Malware Detectors against Adversarial Attacks},
author = {Abraham Peedikayil Kuruvila and Shamik Kundu and Kanad Basu},
journal= {arXiv preprint arXiv:2005.03644},
year = {2020}
}
备注
14 pages, 17 figures