EMBERSim：用于提升恶意软件分析中相似性搜索的大规模数据库
机器学习
2023-10-04 v1
摘要
近年来，恶意软件检测已从基于启发式的方法转向机器学习，后者在当前高度对抗的威胁环境中被证明更具鲁棒性。尽管我们承认机器学习更善于从日益增多的相似文件中挖掘模式，但我们也注意到面向相似性研究的数据极为匮乏。此外，我们观察到少数相关工作的重点在于量化恶意软件的相似性，往往忽视了干净数据。这种片面的量化在检测绕过情境中尤为危险。我们提议从最大的恶意软件分类数据集之一 EMBER 出发，解决二进制文件相似性研究领域的不足。我们用相似性信息以及恶意软件类别标签增强 EMBER，以支持相似性空间的进一步研究。我们的贡献有三方面：(1) 发布 EMBER 的增强版本 EMBERSim，其包含相似性感知标签；(2) 利用开源工具 AVClass 基于 VirusTotal 数据自动确定恶意软件类别标签来丰富 EMBERSim；(3) 描述并分享我们的类别打分技术与叶节点相似性方法的实现。
引用
@article{arxiv.2310.01835,
title = {EMBERSim: A Large-Scale Databank for Boosting Similarity Search in Malware Analysis},
author = {Dragos Georgian Corlatescu and Alexandru Dinu and Mihaela Gaman and Paul Sumedrea},
journal= {arXiv preprint arXiv:2310.01835},
year = {2023}
}
备注
Accepted at the 37th Conference on Neural Information Processing Systems (NeurIPS 2023) Track on Datasets and Benchmarks