基于注意力图同构的威胁行为文本搜索
信息检索
2024-04-19 v2
摘要
网络攻击每年造成超过 1 万亿美元的损失。网络安全分析师的重要任务之一是攻击取证，即理解恶意软件的行为及其来源。然而，现有的自动化或手动恶意软件分析只能披露子集行为，由于内在困难（如恶意软件的隐形和混淆）。因此，分析师常常采用文本搜索技术来识别基于其观察到的症状查找已存在的恶意软件报告，利用恶意软件样本之间大量相似性，尤其是来自相同来源的样本。本文提出一种基于 Transformer 模型注意力层图同构的恶意软件行为搜索技术。我们还组建了一个来自多个机构的数据集以促进此类研究。我们的技术在基于句子嵌入和关键词的方法方面性能提升 6-14%。在 10 个真实恶意软件的案例研究中，我们的技术能够正确归因其中 8 个，而仅使用 Google 只能实现 3 个案例。
关键词
引用
@article{arxiv.2404.10944,
title = {Threat Behavior Textual Search by Attention Graph Isomorphism},
author = {Chanwoo Bae and Guanhong Tao and Zhuo Zhang and Xiangyu Zhang},
journal= {arXiv preprint arXiv:2404.10944},
year = {2024}
}