OFEI：一种针对DLaaS的半黑盒Android对抗样本攻击框架
密码学与安全
2021-05-26 v1 人工智能
摘要
随着Android设备日益普及，Android恶意软件正严重威胁用户安全。尽管此类威胁可被深度学习即服务（DLaaS）检测，但作为DLaaS最薄弱部分的深度神经网络常遭攻击者精心构造的对抗样本欺骗。本文提出一种称为逐次单特征（one-feature-each-iteration, OFEI）的新型半黑盒攻击框架以构造Android对抗样本。该框架尽可能少地修改特征，且所需分类器信息更少以欺骗分类器。我们通过对OFEI框架与基准方法JSMF、GenAttack及逐点攻击比较的受控实验评估了OFEI。实验结果显示OFEI具有98.25%的更高误分类率。此外，OFEI可将图像领域传统白盒攻击方法如快速梯度符号法（FGSM）与DeepFool扩展至构造Android对抗样本。最后，为增强DLaaS安全性，我们利用贝叶斯神经网络的两种不确定性构造组合不确定性，用于检测对抗样本并达到99.28%的高检测率。
引用
@article{arxiv.2105.11593,
title = {OFEI: A Semi-black-box Android Adversarial Sample Attack Framework Against DLaaS},
author = {Guangquan Xu and GuoHua Xin and Litao Jiao and Jian Liu and Shaoying Liu and Meiqi Feng and Xi Zheng},
journal= {arXiv preprint arXiv:2105.11593},
year = {2021}
}