[论文解读] Task-Aware Meta Learning-based Siamese Neural Network for Classifying Obfuscated Malware

Jinting Zhu, Julian Jang‐Jaccard+3 more|arXiv (Cornell University)|Oct 26, 2021

Advanced Malware Detection Techniques参考文献 42被引用 6

一句话总结

该论文提出了一种基于任务感知元学习的孪生神经网络，通过动态权重生成器将熵特征与基于VGG-16的图像特征融合，从而提升对控制流混淆恶意软件的分类性能。该模型在少样本学习设置下实现了超过91%的准确率，通过混合损失函数减少了误报并增强了特征聚类，优于基线SNN模型。

ABSTRACT

Malware authors apply different techniques of control flow obfuscation, in order to create new malware variants to avoid detection. Existing Siamese neural network (SNN)-based malware detection methods fail to correctly classify different malware families when such obfuscated malware samples are present in the training dataset, resulting in high false-positive rates. To address this issue, we propose a novel task-aware few-shot-learning-based Siamese Neural Network that is resilient against the presence of malware variants affected by such control flow obfuscation techniques. Using the average entropy features of each malware family as inputs, in addition to the image features, our model generates the parameters for the feature layers, to more accurately adjust the feature embedding for different malware families, each of which has obfuscated malware variants. In addition, our proposed method can classify malware classes, even if there are only one or a few training samples available. Our model utilizes few-shot learning with the extracted features of a pre-trained network (e.g., VGG-16), to avoid the bias typically associated with a model trained with a limited number of training samples. Our proposed approach is highly effective in recognizing unique malware signatures, thus correctly classifying malware samples that belong to the same malware family, even in the presence of obfuscated malware variants. Our experimental results, validated by N-way on N-shot learning, show that our model is highly effective in classification accuracy, exceeding a rate extgreater 91\%, compared to other similar methods.

研究动机与目标

• 解决现有基于孪生神经网络（SNN）的恶意软件检测方法在训练数据中存在控制流混淆变体时出现的高误报率问题。
• 在仅每家族一个或少数几个训练样本的少样本学习条件下，提升恶意软件家族分类性能。
• 通过结合预训练的VGG-16特征与元学习，缓解因训练数据有限导致的模型偏差。
• 通过结合基于熵的属性与深度图像特征，增强特征嵌入的判别性，从而改善混淆变体的聚类效果。
• 开发一种鲁棒且可泛化的模型，即使面对代码混淆技术，也能检测出独特的恶意软件签名。

提出的方法

• 引入一种任务感知元学习网络，利用从恶意软件二进制代码中提取的熵特征，为特征层生成特定任务的权重。
• 将预训练VGG-16网络提取的图像特征与熵特征融合，形成孪生网络的混合输入。
• 采用结合对比损失与中心损失的混合损失函数，以最小化类内方差并最大化类间分离度，从而优化特征空间中的分布。
• 采用N-way、N-shot评估协议进行少样本学习训练与验证，模拟真实世界中的恶意软件检测场景。
• 从度量空间中学习距离阈值，用于计算恶意软件样本之间的相似度得分，提升分类鲁棒性。
• 利用AUC-ROC曲线与TPR/FPR分析，在五类、十类及十五类分类任务的一次学习与五次学习设置下评估模型性能。

实验结果

研究问题

• RQ1 当训练数据中包含控制流混淆变体时，基于元学习的孪生网络能否有效分类恶意软件家族？
• RQ2 将熵特征与深度图像特征结合，能否提升少样本恶意软件检测中的分类准确率？
• RQ3 混合损失函数（对比损失 + 中心损失）在特征空间中对正样本对与负样本对的聚类增强程度如何？
• RQ4 在一次学习与五次学习条件下，随着N-way分类任务的增加，模型性能如何变化？
• RQ5 当训练数据严重受限时，任务感知元学习器是否能有效降低偏差并提升泛化能力？

主要发现

• 在五类、十类和十五类一次学习任务中，所提模型的AUC-ROC分别达到0.92、0.91和0.80，优于通用SNN基线模型。
• 在五次学习设置下，模型在五类、十类和十五类分类任务中的准确率分别达到95.6%、90.7%和86.8%，表明在数据有限条件下具有强大的泛化能力。
• 混合损失函数显著减小了类内距离并增大了类间边际，使特征聚类更加清晰分离。
• 任务感知元学习器有效利用熵特征调整特征嵌入，提升了对混淆攻击的分类鲁棒性。
• 随着N-way的增加，模型性能保持稳定，表明其具备良好的可扩展性与对更高类内方差的鲁棒性。
• AUC-ROC曲线证实，模型的预测结果在所有设置下均显著优于基线SNN，曲线下面积更大。