[論文レビュー] secml-malware: A Python Library for Adversarial Robustness Evaluation of Windows Malware Classifiers.

Luca Demetrio, Battista Biggio|arXiv (Cornell University)|Apr 26, 2021

Advanced Malware Detection Techniques被引用数 7

ひとこと要約

この論文では、関数を保存するコード変換を用いて白ボックスおよびブラックボックス攻撃を可能にする、Pythonライブラリ secml-malware を紹介している。このライブラリは、Windowsマルウェア検出器の敵対的ロバストネスを評価するためのもので、検出器の脆弱性を自動的に評価でき、新たな攻撃戦略の拡張も可能である。

ABSTRACT

Machine learning has been increasingly used as a first line of defense for Windows malware detection. Recent work has however shown that learning-based malware detectors can be evaded by well-crafted, adversarial manipulations of input malware, highlighting the need for tools that can ease and automate the adversarial robustness evaluation of such detectors. To this end, we presentsecml-malware, the first Python library for computing adversarial attacks on Windows malware detectors. secml-malware implements state-of-the-art white-box and black-box attacks on Windows malware classifiers, by leveraging a set of functionality-preserving manipulations that can be applied to Windows programs without corrupting their functionality. The library can be used to assess the adversarial robustness of Windows malware detectors, and it can be easily extended to include novel attack strategies. It is available at this https URL.

研究の動機と目的

• 機械学習ベースのWindowsマルウェア検出器における敵対的回避攻撃の増大する脅威に対処すること。
• 敵対的変更に対するロバストネスの評価を自動化するツールを提供すること。
• 機能を保存するコード変換を用いて、白ボックスおよびブラックボックス攻撃を可能にすること。
• 新たな敵対的攻撃戦略の統合をサポートする拡張性を提供すること。
• 体系的な敵対的テストを通じて、マルウェア検出システムのセキュリティ検証を向上させること。

提案手法

• ライブラリは、Windowsマルウェア検出器に対して白ボックスおよびブラックボックス攻撃を実装している。
• 攻撃は、プログラムの動作を維持しつつ検出を回避する関数を保存するコード変換を利用する。
• 攻撃は、機能を損なわない変換を用いてPE（ポータブル実行可能）ファイルに適用される。
• フレームワークは、既存の機械学習パイプラインに統合可能である。
• クエリベース（ブラックボックス）および勾配ベース（白ボックス）の攻撃戦略を両方サポートする。
• 将来的な新しい攻撃技術の統合を想定して、拡張性を備えた設計となっている。

実験結果

リサーチクエスチョン

• RQ1 白ボックスおよびブラックボックス攻撃は、最先端のWindowsマルウェア検出器を回避するためにどれほど効果的か？
• RQ2 Windows実行可能ファイルに敵対的摂動を加えると、機能が破壊されない範囲でどの程度まで適用可能か？
• RQ3 標準化され、再利用可能なライブラリは、敵対的ロバストネス評価の再現性および自動化をどのように改善できるか？
• RQ4 異なる種類の敵対的変更に対して、マルウェア検出器のロバストネスはどのように変化するか？
• RQ5 マルウェア検出器向けにスケーラブルで拡張性のある敵対的テストフレームワークを構築するにあたり、どのような主要な技術的要件が必要か？

主な発見

• secml-malware ライブラリは、関数を保存する変換を用いて、Windowsマルウェア検出器に対して白ボックスおよびブラックボックス攻撃を成功裏に実行できる。
• このライブラリで生成された敵対的例は、元のプログラムの機能を維持しつつ、検出を回避することができる。
• このライブラリは、マルウェア検出システムにおける敵対的ロバストネス評価のための再利用可能で拡張可能なフレームワークを提供する。
• このアプローチにより、敵対的攻撃に対する検出器の脆弱性を自動的かつ体系的に評価できる。
• このツールは、既存のMLパイプラインに統合可能で、マルウェア分類およびロバストネステストに利用可能である。
• ライブラリは公開されており、新たな攻撃戦略の統合も可能である。