利用对抗学习误导源代码作者归属
机器学习
2019-06-03 v2 密码学与安全
机器学习
摘要
本文中，我们提出一种针对源代码作者归属的新型攻击。我们利用近期归属方法依赖于机器学习，因而可被源代码的对抗样本所欺骗。我们的攻击执行一系列保持语义的代码变换，其误导基于学习的归属但对外观开发者而言看似合理。该攻击由蒙特卡洛树搜索引导，使我们能在源代码的离散域中运作。在对来自204名程序员的源代码进行的实证评估中，我们证明攻击对两种近期归属方法具有实质影响，其准确率在攻击下从逾88%降至1%。此外，我们展示攻击能以高准确率模仿开发者的编码风格，从而诱导错误归属。我们得出结论：当前作者归属方法不适用于实际应用，且亟需具备韧性的分析技术。
引用
@article{arxiv.1905.12386,
title = {Misleading Authorship Attribution of Source Code using Adversarial Learning},
author = {Erwin Quiring and Alwin Maier and Konrad Rieck},
journal= {arXiv preprint arXiv:1905.12386},
year = {2019}
}
备注
USENIX Security Symposium 2019