扩展摘要：基于 LSTM 分支模型的抗模仿程序行为建模
密码学与安全
2018-03-28 v1
摘要
在软件设计中，保护计算机系统免受大量软件攻击或实际恶意软件的侵害日益重要。在检测攻击或恶意软件的研究分支中，已有大量工作集中于对程序运行时行为进行建模。源于 Forrest 等人的开创性工作，系统调用序列是程序行为建模的主要工具之一。然而遗憾的是，自模仿攻击被提出以来，仅基于系统调用序列的程序行为模型已无法确保系统安全，且需要引入额外信息，而这又带来了自身的缺陷。本文报告了我们在构建具有更少缺陷的抗模仿程序行为模型研究中的初步发现。我们采用分支序列来增强程序行为模型抵抗模仿攻击的能力，同时利用硬件特性在程序运行时高效提取此类分支信息。为处理大规模的分支序列，我们还采用了基于深度学习的序列建模事实标准 LSTM，并报告了其与程序分支序列交互的初步实验结果。
引用
@article{arxiv.1803.09171,
title = {Extended Abstract: Mimicry Resilient Program Behavior Modeling with LSTM based Branch Models},
author = {Hayoon Yi and Gyuwan Kim and Jangho Lee and Sunwoo Ahn and Younghan Lee and Sungroh Yoon and Yunheung Paek},
journal= {arXiv preprint arXiv:1803.09171},
year = {2018}
}
备注
1st Deep Learning and Security Workshop (DLS 2018)