| 对抗训练驱动的恶意代码检测增强方法 |
| |
| 引用本文： | 刘延华,李嘉琪,欧振贵,高晓玲,刘西蒙,MENG Weizhi,刘宝旭.对抗训练驱动的恶意代码检测增强方法[J].通信学报,2022(9):169-180. |
| |
| 作者姓名： | 刘延华 李嘉琪 欧振贵 高晓玲 刘西蒙 MENG Weizhi 刘宝旭 |
| |
| 作者单位： | 1. 福州大学计算机与大数据学院;2. 福建省网络计算与智能信息处理重点实验室;3. 丹麦科技大学应用数学和计算机系;4. 中国科学院信息工程研究所 |
| |
| 基金项目： | 国家自然科学基金资助项目（No.62072109,No.U1804263）；;福建省自然科学基金资助项目（No.2021J01625,No.2021J01616）；;福建省科技重大专项（科教联合）项目（No.2021HZ022007）~~； |
| |
| 摘 要： | 为了解决恶意代码检测器对于对抗性输入检测能力的不足，提出了一种对抗训练驱动的恶意代码检测增强方法。首先，通过反编译工具对应用程序进行预处理，提取应用程序接口（API）调用特征，将其映射为二值特征向量。其次，引入沃瑟斯坦生成对抗网络，构建良性样本库，为恶意样本躲避检测器提供更加丰富的扰动组合。再次，提出了一种基于对数回溯法的扰动删减算法。将良性样本库中的样本以扰动的形式添加到恶意代码中，对添加的扰动进行二分删减，以较少的查询次数减少扰动的数量。最后，将恶意代码对抗样本标记为恶意并对检测器进行重训练，提高检测器的准确性和稳健性。实验结果表明，生成的恶意代码对抗样本可以躲避目标检测器的检测。此外，对抗训练提升了目标检测器的准确率和稳健性。
|
| 关 键 词： | 对抗训练 检测增强 生成对抗网络 扰动删减 |
|
|
