面向云生态系统中恶意软件的深度联邦防御

在具有众多虚拟机、容器及其他系统的云计算环境中，恶意软件的大规模传播可对业务流程构成极大威胁。在这篇愿景论文中，我们引入一种分层方法，利用图、超图与自然语言处理方面若干近期机器学习进展来进行恶意软件检测与分析。我们分析各独立系统及其日志，借助注意力序列模型检视并理解其行为。利用此过程得到的各系统日志特征表示，我们构建以系统及其他组件为顶点的云属性网络，并提出用归纳式图与超图学习模型分析恶意软件。在此基础上，我们考虑多云情形，即具有不同隐私需求的多云为对抗恶意软件传播而协作，提出使用联邦学习在保护隐私的同时进行推理与训练。最后，我们讨论在防御云计算环境恶意软件方面仍存在的若干开放问题，涉及设计鲁棒生态系统、识别用于响应策略的云特定优化问题、恶意软件遏制与根除的动作空间，以及为该领域机器学习模型开发先验与迁移学习任务。