基于双探测器的 GAN 用于恶意软件生成
密码学与安全
2025-05-27 v1
摘要
近年来，机器学习（ML）被开发用于检测恶意软件。大多数研究人员致力于提高检测性能，但忽略了 ML 模型的鲁棒性。此外，许多机器学习算法对故意的攻击极其脆弱。为解决这些问题，利用 GAN 生成对抗性恶意软件示例，以增强恶意软件检测器的鲁棒性。然而，由于当前 GAN 模型存在训练不稳定和对抗性示例较弱的局限性，我们提出了 Mal-D2GAN 模型以解决这些问题。具体而言，我们设计了具有双探测器和最小二乘损失函数的 Mal-D2GAN 架构，并在 20,000 个样本的数据集上进行测试。结果表明，Mal-D2GAN 模型在 8 个恶意软件检测器中的检测准确率（真阳性率）降低了。随后，我们将其性能与现有的 MalGAN 和 Mal-LSGAN 模型进行了比较。
引用
@article{arxiv.2505.18806,
title = {Mal-D2GAN: Double-Detector based GAN for Malware Generation},
author = {Nam Hoang Thanh and Trung Pham Duy and Lam Bui Thu},
journal= {arXiv preprint arXiv:2505.18806},
year = {2025}
}
备注
This paper was presented at the 16th IEEE International Conference on Knowledge and Systems Engineering (KSE 2024), and will be published in IEEE Xplore