RS-Del：通过随机删除为序列分类器提供编辑距离鲁棒性认证

随机平滑是为分类器构建可认证对抗样本鲁棒性的一种主要方法。现有的随机平滑研究主要集中在具有连续输入的分类器上，例如图像，其中通常研究 $\ell_p$ 范数有界的对手。然而，对于具有离散或可变大小输入的分类器（例如源代码），相关研究有限，这需要不同的威胁模型和平滑机制。在这项工作中，我们针对离散序列分类器调整了随机平滑，以提供针对编辑距离有界攻击者的认证鲁棒性。我们提出的平滑机制随机删除（RS-Del）应用随机删除编辑，这（可能令人惊讶地）足以赋予针对对抗性删除、插入和替换编辑的鲁棒性。我们的认证证明偏离了既定的 Neyman-Pearson 方法，该方法在我们的设置中难以处理，而是围绕最长公共子序列组织。我们展示了一个关于恶意软件检测的案例研究——这是一个字节序列上的二分类问题，其中分类器规避是一个公认的威胁模型。当应用于流行的 MalConv 恶意软件检测模型时，我们的平滑机制 RS-Del 在 128 字节的编辑距离半径下实现了 91% 的认证准确率。