MalProtect：针对基于机器学习的恶意软件检测中对抗查询攻击的有状态防御
机器学习
2023-07-03 v3 密码学与安全
摘要
ML 模型已知易受对抗查询攻击。在此类攻击中，查询在除输出外无任何目标模型知识的情况下被迭代扰动至特定类别。远程托管的 ML 分类模型与机器学习即服务（Machine-Learning-as-a-Service）平台的盛行意味着查询攻击对这些系统的安全构成真实威胁。为此，已有有状态防御被提出以检测查询攻击并通过监控系统接收到的查询序列来阻止对抗样本的生成。近年来已提出若干有状态防御。然而，这些防御仅依赖相似性或不服从分布检测方法，其可能在其他领域有效。在恶意软件检测领域，生成对抗样本的方法本质不同，因此我们发现在此类检测机制显著低效。故此，本文提出 MalProtect，一种针对恶意软件检测领域查询攻击的有状态防御。MalProtect 使用若干威胁指标来检测攻击。我们的结果表明，在 Android 与 Windows 恶意软件中，跨一系列攻击者场景，其将对抗查询攻击的规避率降低了 80+%。在同类首次评估中，我们表明 MalProtect 优于先前的有状态防御，尤其在峰值对抗威胁下。
引用
@article{arxiv.2302.10739,
title = {MalProtect: Stateful Defense Against Adversarial Query Attacks in ML-based Malware Detection},
author = {Aqib Rashid and Jose Such},
journal= {arXiv preprint arXiv:2302.10739},
year = {2023}
}