[論文レビュー] Adversarial Attacks against Windows PE Malware Detection: A Survey of the State-of-the-Art

Xiang Ling, Lingfei Wu+10 more|arXiv (Cornell University)|Dec 23, 2021

Advanced Malware Detection Techniques被引用数 6

ひとこと要約

本論文は、Windows PEマルウェア検出に対する敵対的攻撃に関する包括的なサーベイを提供し、最先端の攻撃手法と防御を体系的に分類している。PEマルウェアに特有の3つのコアチャレンジ—フォーマット保存、実行可能型保存、悪意ある性質保存—を特定し、入力操作、モデルタイプ、攻撃目的に基づく攻撃の分類法を提案することで、この進化し続ける分野における今後の研究の基盤を提供している。

ABSTRACT

Malware has been one of the most damaging threats to computers that span across multiple operating systems and various file formats. To defend against ever-increasing and ever-evolving malware, tremendous efforts have been made to propose a variety of malware detection that attempt to effectively and efficiently detect malware so as to mitigate possible damages as early as possible. Recent studies have shown that, on the one hand, existing ML and DL techniques enable superior solutions in detecting newly emerging and previously unseen malware. However, on the other hand, ML and DL models are inherently vulnerable to adversarial attacks in the form of adversarial examples. In this paper, we focus on malware with the file format of portable executable (PE) in the family of Windows operating systems, namely Windows PE malware, as a representative case to study the adversarial attack methods in such adversarial settings. To be specific, we start by first outlining the general learning framework of Windows PE malware detection based on ML/DL and subsequently highlighting three unique challenges of performing adversarial attacks in the context of Windows PE malware. Then, we conduct a comprehensive and systematic review to categorize the state-of-the-art adversarial attacks against PE malware detection, as well as corresponding defenses to increase the robustness of Windows PE malware detection. Finally, we conclude the paper by first presenting other related attacks against Windows PE malware detection beyond the adversarial attacks and then shedding light on future research directions and opportunities. In addition, a curated resource list of adversarial attacks and defenses for Windows PE malware detection is also available at https://github.com/ryderling/adversarial-attacks-and-defenses-for-windows-pe-malware-detection.

研究の動機と目的

• Windows PEマルウェアにおける敵対的攻撃を実行するにあたり、ファイルのフォーマット、実行可能性、悪意ある性質の保存という、特有の課題を特定し、明確に述べること。
• 入力操作、モデルタイプ、攻撃目的に基づき、PEマルウェア検出を標的とした既存の敵対的攻撃手法を体系的に分類すること。
• PEマルウェア検出システムの耐性を高めるために向けられた最先端の防御メカニズムをレビューし、整理すること。
• ベンチマークプラットフォームの欠如や、動的分析に基づく検出に対する十分な注目が不足しているなど、重要な研究ギャップを浮き彫りにすること。
• 敵対的耐性に関するPEマルウェア検出分野における今後の研究を支援するため、キュレートされたリソースリストを提供し、研究の方向性を示すこと。

提案手法

• 本論文は、機械学習およびディープラーニングに基づく検出システムを対象に、PEマルウェア検出における敵対的攻撃に関する体系的な文献レビューを実施している。
• 入力変換技術（例：コード挿入、セクション操作）、モデルタイプ（例：静的分析対比動的分析）、攻撃目的（例：回避、汚染）に基づき、敵対的攻撃の分類法を提唱している。
• PEファイルの構造的・意味的制約を分析することで、3つのコアチャレンジであるフォーマット保存、実行可能型保存、悪意ある性質保存の摂動を定義している。
• 実際の展開環境におけるステルス性と実用性を重視し、既存の攻撃手法を比較的視点で評価している。
• 現在の探索戦略（例：強化学習、遺伝的アルゴリズム）の限界を検討し、より効率的かつ効果的な最適化手法の開発を提言している。
• 公平で再現可能な研究を可能にするために、キュレートされたデータセット、検出モデル、攻撃／防御実装、評価指標を備えた標準化されたベンチマークプラットフォームの開発を提唱している。

実験結果

リサーチクエスチョン

• RQ1 Windows PEマルウェアの敵対的例を生成するにあたり、ファイルのフォーマット、実行可能性、悪意ある意図を損なわないように保つという、特有の課題とは何か？
• RQ2 コンピュータビジョンやNLPにおける攻撃手法とは異なり、PEバイナリ形式に特化した攻撃手法は、どのように異なるのか。具体的にどのような適合が必要か？
• RQ3 静的分析および動的分析に基づくPEマルウェア検出システムを標的とした、現在の最先端の敵対的攻撃戦略は何か？
• RQ4 なぜPEマルウェア検出における敵対的攻撃と防御の評価に、包括的なベンチマークプラットフォームが不足しているのか。その結果として生じる影響は何か？
• RQ5 特に静的／動的ハイブリッド検出環境において、敵対的耐性を高めるために最も有望な今後の研究方向性は何か？

主な発見

• PEマルウェア検出における敵対的攻撃は、PEファイルのフォーマット、実行可能性、悪意ある機能の保存という3つの特有の課題に直面している。
• 現在の多く敵対的攻撃は静的分析に基づく検出を標的にしているが、動的分析や商用アンチウイルスソリューションはほとんど検討されていない。
• 現在の攻撃手法は、計算コストの高い探索戦略（例：強化学習、遺伝的アルゴリズム）に依存しており、スケーラビリティと速度に制限を受ける。
• PEマルウェア検出における敵対的攻撃と防御の評価に、標準化されたベンチマークプラットフォームが著しく不足しており、再現性の確保や公平な比較が困難である。
• NOP挿入のような単純で検出されやすい変更ではなく、制御フローブロックの分割のようなより実用的でステルス性の高い変換が求められている。
• 今後の研究やツール開発を支援するため、敵対的攻撃と防御のキュレート済みGitHubリポジトリを提供している。