零知识设定下针对基于机器学习的安卓恶意软件检测的高效查询攻击
密码学与安全
2023-09-07 v2 人工智能
机器学习
软件工程
摘要
Android 操作系统的广泛采用使得恶意 Android 应用成为攻击者颇具吸引力的目标。基于机器学习（ML-based）的 Android 恶意软件检测（AMD）方法在解决此问题中至关重要；然而，它们对对抗样本的脆弱性引发了担忧。当前针对基于 ML 的 AMD 方法的攻击表现出卓越性能，但依赖于在真实场景中可能不切实际的强假设，例如关于特征空间、模型参数和训练数据集的知识要求。为应对此局限，我们引入 AdvDroidZero，一种在零知识设定下运行的、针对基于 ML 的 AMD 方法的高效基于查询的攻击框架。我们广泛的评估表明，AdvDroidZero 对多种主流基于 ML 的 AMD 方法有效，特别是对此类 SOTA 方法及真实世界的杀毒解决方案有效。
引用
@article{arxiv.2309.01866,
title = {Efficient Query-Based Attack against ML-Based Android Malware Detection under Zero Knowledge Setting},
author = {Ping He and Yifan Xia and Xuhong Zhang and Shouling Ji},
journal= {arXiv preprint arXiv:2309.01866},
year = {2023}
}
备注
To Appear in the ACM Conference on Computer and Communications Security, November, 2023