[論文レビュー] GANG-MAM: GAN based enGine for Modifying Android Malware

G. Renjith, Sonia Laudanna+3 more|arXiv (Cornell University)|Sep 27, 2021

Advanced Malware Detection Techniques参考文献 6被引用数 7

ひとこと要約

本稿では、既存のAndroidマルウェアを変更しながらも悪意ある機能を保持するように、敵対的特徴ベクトルを生成するGANベースのフレームワーク、GANG-MAMを提案する。このシステムは、生成的対抗ネットワーク（GAN）を用いて、分類器を回避する誘導要因となる特徴ベクトルを生成し、それをモジュラーアプリケーションパッケージ変更エンジン（MAM）を介して再パッケージ化されたマルウェアに適用することで、コア動作を変更せずに分類器を効果的に回避する。10個の実際のAPKに対して検証された結果、実行時差異は最小限に抑えられていた。

ABSTRACT

Malware detectors based on machine learning are vulnerable to adversarial attacks. Generative Adversarial Networks (GAN) are architectures based on Neural Networks that could produce successful adversarial samples. The interest towards this technology is quickly growing. In this paper, we propose a system that produces a feature vector for making an Android malware strongly evasive and then modify the malicious program accordingly. Such a system could have a twofold contribution: it could be used to generate datasets to validate systems for detecting GAN-based malware and to enlarge the training and testing dataset for making more robust malware classifiers.

研究の動機と目的

• 機械学習ベースのマルウェア検出器を回避できる敵対的Androidマルウェアサンプルを生成するシステムを開発すること。
• 敵対的マルウェアバリアントを生成することで、大規模かつ堅牢な訓練およびテストデータセットをマルウェア分類器用に作成すること。
• GANで生成されたマルウェアの検出に関する研究を支援するため、再現可能なツールを提供すること。
• 自動的なAPK再構成を通じて、特徴の摂動後も修正されたマルウェアの機能的整合性を維持すること。
• GANベースの特徴生成とAPK変更を分離したモジュラーオープンソースツールを提供し、研究用途での柔軟な利用を可能にすること。

提案手法

• 与えられたマルウェア分類器に対して敵対的となる特徴ベクトルを生成するため、生成的対抗ネットワーク（GAN）を訓練する。
• GANの出力は、権限、コンponents、マニフェストエントリなどの静的APK特性を変更することで、分類器を回避する誘導要因となる修正済み特徴ベクトルである。
• MAM（マルウェア変更エンジン）は、Apktoolを用いて入力APKを解析し、GANが出力したベクトルに基づいて指定された特徴を変更し、APKを再構築する。
• 新しいアクティビティ、サービス、ブロードキャストレシーバー、コンテンツプロバイダー用に、smaliコードインジェクションによる動的特徴変更をサポートする。
• 修正済みAPKは署名され、同じシードを用いて「monkey」ユーティリティを用いたAndroidエミュレータでテストされ、変更前後で機能的同等性が確認された。
• 特徴の変更はCSV入力ファイルを介して指定可能であり、GANコンponentを含まない独立したMAMエンジンの利用が可能である。

実験結果

リサーチクエスチョン

• RQ1 GANを用いて、機械学習ベースの分類器に検出されないような特徴ベクトルを効果的に生成できるか？
• RQ2 敵対的特徴摂動を加えた後、修正されたマルウェアの機能的動作はどの程度保持されるか？
• RQ3 提案されたシステムは、大規模で多様かつ現実的な敵対的マルウェアサンプルを生成し、堅牢な分類器の訓練およびテストに用いることができるか？
• RQ4 MAMエンジンは、マルウェアのコア悪意ある機能を変更せずにAPKを変更するのにどの程度効果的か？
• RQ5 事前に計算された特徴ベクトルから、修正済みAPKを生成するためにこのツールを独立して使用できるか？これにより、研究ワークフローにおけるモジュラー利用が可能になるか？

主な発見

• GANG-MAMシステムは、実世界の10個のAndroid APKをほぼ機能的変更なしに修正した。変更前後で実行ログがほぼ同一であることが実証された。
• 10個のテスト対象APKにおいて、実行ログに観察された差異は1〜3行であり、すべて時刻や動的入力などの非機能的要因に起因していた。
• 同じシードを用いて「monkey」ツールでAndroidエミュレータでテストした結果、修正済みAPKは元の動作と機能を維持していた。
• GANが生成した敵対的特徴ベクトルが、アプリケーションを破壊せずにAPK構造に具体的かつ実行可能な変更に効果的にマッピングできることを実証した。
• MAMエンジンは、権限やコンponentsなどのさまざまな特徴タイプを効果的に処理し、新しいコンponents用にsmaliレベルのコードインジェクションをサポートした。
• このツールはエンドツーエンドモード（GANを含む）およびスタンドアロンモード（事前に計算された特徴ベクトルを使用）の両方で完全に機能し、研究ワークフローにおける柔軟な展開を可能にした。