[논문 리뷰] secml-malware: A Python Library for Adversarial Robustness Evaluation of Windows Malware Classifiers.

Luca Demetrio, Battista Biggio|arXiv (Cornell University)|2021. 04. 26.

Advanced Malware Detection Techniques인용 수 7

한 줄 요약

이 논문은 기능 유지 코드 변형을 통해 화이트박스 및_BLK박스 공격을 가능하게 하는 Python 라이브러리인 secml-malware를 소개한다. 이는 Windows 악성코드 분류기의 적대적 견고성 평가를 위해 설계되었으며, 탐지기의 취약성을 자동으로 평가하고 새로운 공격 전략을 위한 확장성을 제공한다.

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.

연구 동기 및 목표

• 기계학습 기반 Windows 악성코드 분류기에서의 적대적 회피 공격 증가에 대응하기 위해.
• 적대적 변형에 대한 견고성 평가를 자동화하는 도구를 제공하기 위해.
• 기능 유지 코드 변형을 사용하여 화이트박스 및 블랙박스 공격을 가능하게 하기 위해.
• 새로운 적대적 공격 전략 통합을 위한 확장성 지원을 위해.
• 체계적인 적대적 테스팅을 통해 악성코드 탐지 시스템의 보안 검증을 향상시키기 위해.

제안 방법

• 라이브러리는 Windows 악성코드 분류기에 대해 화이트박스 및 블랙박스 적대적 공격을 구현한다.
• 프로그램 동작을 유지하면서 탐지 회피를 가능하게 하는 기능 유지 코드 변형을 활용한다.
• 기능을 손상시키지 않는 변형을 사용해 PE(포터블 실행 파일) 파일에 공격을 적용한다.
• 기존의 기계학습 파이프라인에 통합되어 악성코드 분류에 사용된다.
• 질문 기반(블랙박스) 및 기울기 기반(화이트박스) 공격 전략을 모두 지원한다.
• 향후 새로운 공격 기법 통합을 위한 확장성 설계가 되어 있다.

실험 결과

연구 질문

• RQ1 최신 Windows 악성코드 분류기에 대해 화이트박스 및 블랙박스 적대적 공격의 효과성은 어떠한가?
• RQ2 기능을 손상시키지 않으면서 Windows 실행 파일에 얼마나 많은 적대적 편향을 적용할 수 있는가?
• RQ3 표준화되고 재사용 가능한 라이브러리가 적대적 견고성 평가의 재현 가능성과 자동화를 향상시킬 수 있는가?
• RQ4 다양한 종류의 적대적 변형에 대해 악성코드 탐지기의 견고성은 어떻게 달라지는가?
• RQ5 악성코드 분류기용 확장 가능하고 스케일러블한 적대적 테스팅 프레임워크를 구축하기 위한 핵심 기술적 요구사항은 무엇인가?

주요 결과

• secml-malware 라이브러리는 기능 유지 변형을 사용해 Windows 악성코드 탐지기에 대해 화이트박스 및 블랙박스 공격을 성공적으로 구현한다.
• 이 라이브러리로 생성된 적대적 예제는 원래 프로그램의 기능을 유지하면서도 탐지를 회피한다.
• 이 라이브러리는 악성코드 탐지 시스템의 적대적 견고성 평가를 위한 재사용 가능하고 확장 가능한 프레임워크를 제공한다.
• 이 방법은 탐지기의 적대적 공격에 대한 취약성에 대해 자동화되고 체계적인 평가를 가능하게 한다.
• 이 도구는 기존의 기계학습 파이프라인에 통합되어 악성코드 분류 및 견고성 테스팅에 사용될 수 있다.
• 이 라이브러리는 공개 사용이 가능하며, 새로운 공격 전략 통합을 위해 확장할 수 있다.