兄弟！你真的察觉到了吗？一种可解释性引导的恶意软件检测器鲁棒性测试框架
密码学与安全
2023-11-29 v4 机器学习
摘要
目前有众多开源和商业恶意软件检测器可用。然而，它们的有效性受到新型对抗攻击的威胁，即恶意软件试图规避检测，例如通过特征空间操纵。在这项工作中，我们提出了一种可解释性引导且模型无关的测试框架，用于评估恶意软件检测器在面对对抗攻击时的鲁棒性。该框架引入了累积恶意幅度（Accrued Malicious Magnitude, AMM）的概念，以识别哪些恶意软件特征可被操纵以最大化规避检测的可能性。我们随后使用该框架测试了若干最先进恶意软件检测器检测被操纵恶意软件的能力。我们发现：（i）商业杀毒引擎易受AMM引导测试用例的攻击；（ii）利用某一检测器生成的被操纵恶意软件规避另一检测器检测的能力（即可迁移性）取决于不同检测器之间具有较大AMM值特征的重叠程度；（iii）AMM值有效度量了特征的脆弱性（即特征空间操纵翻转预测结果的能力），并解释了恶意软件检测器面对规避攻击时的鲁棒性。我们的发现揭示了当前恶意软件检测器的局限性，以及它们可如何被改进。
引用
@article{arxiv.2111.10085,
title = {Mate! Are You Really Aware? An Explainability-Guided Testing Framework for Robustness of Malware Detectors},
author = {Ruoxi Sun and Minhui Xue and Gareth Tyson and Tian Dong and Shaofeng Li and Shuo Wang and Haojin Zhu and Seyit Camtepe and Surya Nepal},
journal= {arXiv preprint arXiv:2111.10085},
year = {2023}
}
备注
Accepted at ESEC/FSE 2023. https://doi.org/10.1145/3611643.3616309