通过随机链接静态检测对抗性恶意软件
密码学与安全
2021-12-07 v2
摘要
随着恶意软件攻击的快速增长，更多杀毒开发者考虑将机器学习技术部署到其产品中。近年来，研究人员和开发者发布了各种在恶意软件检测上具有高精度的基于机器学习的检测器。尽管已有众多基于机器学习的恶意软件检测器可用，它们面临着各种面向机器学习的攻击，包括规避与对抗攻击。本项目探究对抗样本如何以及为何能规避恶意软件检测器，进而提出一种随机链接方法以静态防御对抗性恶意软件。该研究对于致力于打击相关的恶意软件网络犯罪至关重要。
引用
@article{arxiv.2111.14037,
title = {Statically Detecting Adversarial Malware through Randomised Chaining},
author = {Matthew Crawford and Wei Wang and Ruoxi Sun and Minhui Xue},
journal= {arXiv preprint arXiv:2111.14037},
year = {2021}
}