MaskDGA：一种针对 DGA 分类器与对抗防御的黑盒规避技术
密码学与安全
2019-02-26 v1
摘要
域名生成算法（DGAs）常被僵尸网络用于生成域名，机器人可通过这些域名与其命令与控制服务器建立弹性通信信道。近期发表的文献提出了深度学习、字符级分类器，能够高精度检测算法生成的域名（AGD），并相应地显著降低 DGAs 用于僵尸网络通信的有效性。本文提出 MaskDGA，一种实用的对抗学习技术，它在算法生成域名的字符级表示上添加扰动，以规避 DGA 分类器，且攻击者对 DGA 分类器的架构与参数一无所知。MaskDGA 使用 DMD-2018 的 AGD 域名数据集以及四个近期发表的 DGA 分类器进行评估，在应用该规避技术后，分类器的平均 F1 分数从 0.977 降至 0.495。另一项评估使用相同的分类器但实现了对抗防御：对抗重训练与蒸馏。该评估结果说明，MaskDGA 可用于提升字符级 DGA 分类器对抗对抗攻击的鲁棒性，但理想情况下 DGA 分类器应结合除字符级特征之外的额外特征，本研究已证明字符级特征易受对抗攻击。
引用
@article{arxiv.1902.08909,
title = {MaskDGA: A Black-box Evasion Technique Against DGA Classifiers and Adversarial Defenses},
author = {Lior Sidi and Asaf Nadler and Asaf Shabtai},
journal= {arXiv preprint arXiv:1902.08909},
year = {2019}
}
备注
12 pages, 2 figures