针对最先进的基于 API 调用的恶意软件分类器的通用黑盒端到端攻击
密码学与安全
2018-06-26 v5 机器学习
神经与进化计算
摘要
在本文中，我们提出了一种针对基于 API 调用的机器学习恶意软件分类器的黑盒攻击，重点在于生成结合 API 调用和静态特征（例如可打印字符串）的对抗序列，这些序列将被分类器误分类，同时不影响恶意软件的功能。我们表明，由于 RNN 变体、前馈 DNN 和传统机器学习分类器（如 SVM）之间的可迁移性原则，这种攻击对许多分类器都是有效的。我们还实现了 GADGET，这是一个软件框架，利用所提出的攻击将任何恶意软件二进制文件转换为恶意软件分类器无法检测到的二进制文件，而无需访问恶意软件源代码。
引用
@article{arxiv.1707.05970,
title = {Generic Black-Box End-to-End Attack Against State of the Art API Call Based Malware Classifiers},
author = {Ishai Rosenberg and Asaf Shabtai and Lior Rokach and Yuval Elovici},
journal= {arXiv preprint arXiv:1707.05970},
year = {2018}
}
备注
Accepted as a conference paper at RAID 2018