恶意软件规避攻击与防御
密码学与安全
2019-04-17 v2 机器学习
机器学习
摘要
机器学习（ML）分类器容易受到对抗样本的攻击。对抗样本是经过轻微修改以诱导 ML 分类器产生误分类的输入样本。在这项工作中，我们研究了对基于 ML 的恶意软件检测器的白盒和灰盒规避攻击，并在真实场景中进行了性能评估。我们比较了防御方法在缓解攻击方面的效果。我们提出了一个将灰盒和黑盒攻击部署到恶意软件检测系统中的框架。
引用
@article{arxiv.1904.05747,
title = {Malware Evasion Attack and Defense},
author = {Yonghong Huang and Utkarsh Verma and Celeste Fralick and Gabriel Infante-Lopez and Brajesh Kumarz and Carl Woodward},
journal= {arXiv preprint arXiv:1904.05747},
year = {2019}
}
备注
Accepted by IEEE DSN-DSML2019