针对基于图的物联网恶意软件检测系统的对抗学习研究
密码学与安全
2019-02-19 v2 人工智能
摘要
本研究的主要目标是调查用于物联网（IoT）恶意软件分类的基于图深度学习（DL）模型针对对抗学习（AL）的鲁棒性。我们设计了两种方法来制造对抗性 IoT 软件，包括使用六种不同的 AL 攻击方法的现成对抗攻击（OSAA）方法，以及图嵌入与增强（GEA）。GEA 方法旨在通过将被 benign 样本谨慎嵌入到恶意样本中，来保持所生成的对抗样本的功能性和实用性。我们的评估表明，OSAA 能够实现 100% 的误分类率（MR）。此外，我们观察到 GEA 方法能够将全部 IoT 恶意软件样本误分类为 benign。
引用
@article{arxiv.1902.04416,
title = {Examining Adversarial Learning against Graph-based IoT Malware Detection Systems},
author = {Ahmed Abusnaina and Aminollah Khormali and Hisham Alasmary and Jeman Park and Afsah Anwar and Ulku Meteriz and Aziz Mohaisen},
journal= {arXiv preprint arXiv:1902.04416},
year = {2019}
}