隐写恶意软件:图像中恶意软件隐藏与检测的系统综述及研究挑战
密码学与安全
2021-10-07 v1
摘要
向受害网络分发恶意软件通常通过钓鱼邮件中的文件附件或受害者在互联网上接触感染源时进行。为在受害机器上检测和阻止恶意软件分发,现有的终端设备安全应用可利用签名或基于异常的技术、机器学习技术。Windows 下著名的 Portable Executable (PE) 格式和基于 Linux 的操作系统的 Executable and Linkable Format (ELF) 格式被用于恶意软件分析,这些文件的恶意软件检测能力在实时检测方面已相当成熟。但利用隐写术在多媒体中隐藏恶意软件载荷的检测对企业而言一直是个挑战,因为这类情况罕见且通常在复杂攻击中充当暂存器。在本文中,据我们所知,我们首次尝试弥合当前图像隐写与隐写分析学术研究(聚焦于数据隐藏)与针对企业的隐写恶意软件(图像中隐藏恶意软件载荷)网络攻击现状综述之间的知识鸿沟。我们介绍了隐写恶意软件的历史、生成工具、文件格式规范描述。基于我们的发现,我们详细综述了图像隐写技术(包括近期基于生成对抗网络(Generative Adversarial Networks, GAN)的模型)以及图像隐写分析方法(包括用于隐藏数据检测的深度学习(Deep Learning, DL)模型)。此外,提出了面向企业的隐写恶意软件检测框架,用于基于异常的隐写恶意软件检测,并强调了针对不同网络环境的架构细节。最后,给出了隐写恶意软件生成与检测中的研究机遇与挑战。
引用
@article{arxiv.2110.02504,
title = {Stegomalware: A Systematic Survey of MalwareHiding and Detection in Images, Machine LearningModels and Research Challenges},
author = {Rajasekhar Chaganti and Vinayakumar Ravi and Mamoun Alazab and Tuan D. Pham},
journal= {arXiv preprint arXiv:2110.02504},
year = {2021}
}