针对图神经网络恶意软件检测的语义保持强化学习攻击
密码学与安全
2022-03-18 v3 人工智能
摘要
随着越来越多基于深度学习的恶意软件扫描器被提出，现有的规避技术（包括代码混淆与多态恶意软件）被发现效果欠佳。本文提出一种基于强化学习的、针对黑盒图神经网络（GNNs）恶意软件检测的语义保持（即功能保持）攻击。通过语义Nop插入生成对抗性恶意软件的关键在于选取合适的语义Nop及其对应的基本块。所提攻击利用强化学习自动作出这些“如何选取”的决策。为评估该攻击，我们使用五类（即后门、木马下载器、木马勒索、广告软件与蠕虫）Windows恶意软件样本及多种良性Windows程序训练了两类GNN。评估结果表明，所提攻击的规避率显著高于三种基线攻击，即语义保持随机指令插入攻击、语义保持累积指令插入攻击与语义保持基于梯度的指令插入攻击。
引用
@article{arxiv.2009.05602,
title = {Semantic-preserving Reinforcement Learning Attack Against Graph Neural Networks for Malware Detection},
author = {Lan Zhang and Peng Liu and Yoon-Ho Choi and Ping Chen},
journal= {arXiv preprint arXiv:2009.05602},
year = {2022}
}