[論文レビュー] PDF-Malware: An Overview on Threats, Detection and Evasion Attacks

N. Fleury, Theo Dubrunquez+1 more|arXiv (Cornell University)|Jul 27, 2021

Advanced Malware Detection Techniques参考文献 30被引用数 10

ひとこと要約

本稿は、PDFマルウェアの脅威、特に機械学習に基づくアプローチを含む検出技術、および新たな脅威である回避攻撃について包括的な概説を提供する。非機能的オブジェクトを悪意あるPDFに追加することで、最新の分類器を98%以上の成功率で回避できることを示しており、敵対的改ざんに対する耐性を高めるために、静的、動的、ハードウェア特徴を組み合わせたハイブリッド検出モデルの必要性が浮き彫りになる。

ABSTRACT

In the recent years, Portable Document Format, commonly known as PDF, has become a democratized standard for document exchange and dissemination. This trend has been due to its characteristics such as its flexibility and portability across platforms. The widespread use of PDF has installed a false impression of inherent safety among benign users. However, the characteristics of PDF motivated hackers to exploit various types of vulnerabilities, overcome security safeguards, thereby making the PDF format one of the most efficient malicious code attack vectors. Therefore, efficiently detecting malicious PDF files is crucial for information security. Several analysis techniques has been proposed in the literature, be it static or dynamic, to extract the main features that allow the discrimination of malware files from benign ones. Since classical analysis techniques may be limited in case of zero-days, machine-learning based techniques have emerged recently as an automatic PDF-malware detection method that is able to generalize from a set of training samples. These techniques are themselves facing the challenge of evasion attacks where a malicious PDF is transformed to look benign. In this work, we give an overview on the PDF-malware detection problem. We give a perspective on the new challenges and emerging solutions.

研究の動機と目的

• フォーマットの安全性が認識されていることと広範な使用が進むことによるPDFマルウェア脅威の増大を分析すること。
• 静的、動的、機械学習ベースの手法を含む、既存の検出技術を調査すること。
• 機械学習ベースのPDFマルウェア検出器が、回避攻撃に対してどれほど脆弱であるかを調査すること。
• 敵対的トレーニングや特徴の強化といった回避攻撃に対する防御策を提案し、ハイブリッド検出モデルの検討を進める。
• 進化を続ける敵対的PDFに対し、検出器の耐性を高めるための研究的視点を提供すること。

提案手法

• PDFiDを用いた静的解析により、オブジェクト数、参照テーブルのサイズ、ストリームコンテンツなどの特徴を抽出し、分類器の学習に使用。
• 10,000件の健全なPDFと10,000件の悪意あるPDFを含む20,000件のサンプルデータセットを用いてサポートベクターマシン（SVM）を学習させ、99.60%の正確性と0.05%の偽陽性率を達成。
• 白箱攻撃として、悪意あるPDFに空のオブジェクトを挿入することで、視覚的・動作的出力に変更を加えずに特徴値（例：オブジェクト数）を増加させる攻撃を実装。
• 勾配降下法に基づく敵対的攻撃を適用し、微分可能な分類器（SVMやニューラルネットワーク）をだますために必要なノイズを最小化する。
• 特徴のしきい値設定、頑健な特徴選択、および回避的サンプルを用いた敵対的トレーニングによる対策を提案。
• 静的、動的、ハードウェア特徴を統合したハイブリッド検出により、回避攻撃に対する耐性を高めることを検討。

実験結果

リサーチクエスチョン

• RQ1 静的特徴を用いた機械学習ベースの分類器は、悪意あるPDFの検出においてどれほど効果的か？
• RQ2 非機能的ファイル要素を変更することで、悪意あるPDFの検出器を回避攻撃で回避できる範囲はどの程度か？
• RQ3 現在の機械学習ベースの検出システムに、特徴の操作によって回避可能となる主な脆弱性は何か？
• RQ4 敵対的トレーニングと特徴の強化は、PDFマルウェア検出器の耐性をどのように向上させられるか？
• RQ5 静的、動的、ハードウェア特徴を統合したハイブリッド検出モデルは、回避攻撃の緩和にどのような役割を果たせるか？

主な発見

• 10,000件の健全なPDFと10,000件の悪意あるPDFを含むバランスの取れたデータセットを用い、SVMを用いた機械学習ベースのPDFマルウェア検出器は、99.60%の正確性と0.05%の偽陽性率を達成した。
• 悪意あるPDFに空のオブジェクトを挿入する回避攻撃は、ファイルの動作や外観に変更を加えずに、訓練済みの分類器を98%の成功率で回避できた。
• 勾配降下法に基づく敵対的攻撃は、微分可能な分類器をだますために必要な最小限の摂動を生成するのに有効であり、特徴空間における操作の自由度の高さを示した。
• オブジェクト数やストリームサイズといった特徴にしきい値を設けることで、特徴の膨張に依存する単純な回避攻撃をブロックできる。
• 敵対的トレーニング（回避的サンプルを用いた再学習）は、耐性を高めるための実用的な防御メカニズムであると特定された。
• 静的、動的、ハードウェア特徴を統合することは、検出の耐性を高め、回避攻撃への感受性を低減させる有望な方向性である。