使用深度学习检测生物网络攻击中特洛伊木马恶意软件的数字编码DNA触发序列
密码学与安全
2022-02-25 v1 机器学习
摘要
本文使用深度学习技术来保护DNA测序免受生物网络攻击。我们考虑一种混合攻击场景，其中有效载荷被编码进DNA序列中以激活植入在测序流程所用软件工具中的特洛伊木马恶意软件，从而使 perpetrator 能够在序列分析期间控制该流程所使用的资源。本文考虑的场景基于 perpetrator 提交含有其机器的数字编码IP地址和端口号的合成工程化DNA样本。对样本DNA的遗传分析将解码该地址，软件特洛伊木马利用该地址激活并触发远程连接。这种方法可为多个 perpetrator 打开创建连接以劫持DNA测序流程的口子。作为一种隐藏数据的方式，perpetrator 可通过编码地址以最大化与真实DNA的相似性来规避检测，我们此前已展示过这一点。然而，在本文中我们展示了如何使用深度学习成功检测和识别编码的触发数据，以保护DNA测序流程免受特洛伊木马攻击。结果表明，即使在编码触发数据上应用了分片加密和隐写术，在此类新颖特洛伊木马攻击场景中的检测准确率也接近高达100%。此外，此类特洛伊木马的载荷设计和合成编码DNA的可行性已通过湿实验室实验得到验证。
引用
@article{arxiv.2202.11824,
title = {Using Deep Learning to Detect Digitally Encoded DNA Trigger for Trojan Malware in Bio-Cyber Attacks},
author = {Mohd Siblee Islam and Stepan Ivanov and Hamdan Awan and Jennifer Drohan and Sasitharan Balasubramaniam and Lee Coffey and Srivatsan Kidambi and Witty Sri-saan},
journal= {arXiv preprint arXiv:2202.11824},
year = {2022}
}