揭秘基于规则的检测在 Windows 恶意软件检测 AI 系统中的作用
密码学与安全
2025-08-14 v1 人工智能
摘要
恶意软件检测日益依赖将基于签名的检测与机器学习相结合的 AI 系统。然而，这些组件通常是孤立开发和组合的，错失了降低数据复杂性和加强对抗对抗性 EXEmples（精心设计以逃避检测的程序）防御的机会。因此，在这项工作中，我们研究了当基于签名的检测被纳入训练流程时，它对模型训练所产生的影响。具体来说，我们将在一个综合数据集上训练的模型与一个 AI 系统进行比较，后者的机器学习组件仅基于未被签名标记的样本进行训练。我们的结果表明，尽管这会因次优的规则选择而导致假阳性存在固定的下限，但模型对对抗性 EXEmples 和时间数据漂移的鲁棒性均有所提升。最后，我们讨论了这些局限性，并概述了未来研究如何将动态分析扩展到基于 AI 的恶意软件检测中，从而进一步增强系统的韧性。
引用
@article{arxiv.2508.09652,
title = {Demystifying the Role of Rule-based Detection in AI Systems for Windows Malware Detection},
author = {Andrea Ponte and Luca Demetrio and Luca Oneto and Ivan Tesfai Ogbu and Battista Biggio and Fabio Roli},
journal= {arXiv preprint arXiv:2508.09652},
year = {2025}
}