基于 CIA 原则的 ML 基于恶意软件检测系统安全风险综述
密码学与安全
2025-05-19 v1 人工智能
软件工程
摘要
恶意软件持续威胁用户隐私和数据完整性。为对抗此类威胁，人们开发了基于机器学习 (ML) 的恶意软件检测 (MD) 系统。然而，近年来，这些系统正日益遭受攻击，削弱了其实际应用效果。虽然 ML 基于 MD 系统的安全风险受到广泛关注，但大多数 prior 工作仅限于对抗性恶意软件示例，缺乏对实际安全风险的全面分析。本文利用 CIA 原则定义安全风险范围，然后将 ML 基于 MD 系统解构为离散的运营阶段，从而发展出一种基于阶段的生态系统。利用该生态系统，我们总结了与 ML 基于 MD 系统相关的技术进展，并讨论了在每个阶段内关于攻击和防御方案的不足。随后，我们进行了两个案例研究，依据基于阶段的生态系统进行跨阶段和 intra 阶段分析，以提供新的实证见解。基于这些分析和见解，我们从跨阶段和 intra 阶段的角度提出了潜在的未来方向。
引用
@article{arxiv.2505.10903,
title = {On the Security Risks of ML-based Malware Detection Systems: A Survey},
author = {Ping He and Yuhao Mao and Changjiang Li and Lorenzo Cavallaro and Ting Wang and Shouling Ji},
journal= {arXiv preprint arXiv:2505.10903},
year = {2025}
}