[论文解读] The State-of-the-Art in AI-Based Malware Detection Techniques: A Review

Adam Wolsey|arXiv (Cornell University)|Oct 12, 2022

Advanced Malware Detection Techniques被引用 8

一句话总结

本文综述了最先进的基于人工智能的恶意软件检测技术，重点涵盖个人电脑、云环境、Android 和物联网平台上的浅层学习、深度学习以及生物启发式计算。文章强调了人工智能的双重用途：攻击者同样利用人工智能来规避检测。同时，本文对当前基于人工智能的恶意软件检测方法、挑战及对抗性人工智能在网络安全领域的未来研究方向提供了全面分析。

ABSTRACT

Artificial Intelligence techniques have evolved rapidly in recent years, revolutionising the approaches used to fight against cybercriminals. But as the cyber security field has progressed, so has malware development, making it an economic imperative to strengthen businesses' defensive capability against malware attacks. This review aims to outline the state-of-the-art AI techniques used in malware detection and prevention, providing an in-depth analysis of the latest studies in this field. The algorithms investigated consist of Shallow Learning, Deep Learning and Bio-Inspired Computing, applied to a variety of platforms, such as PC, cloud, Android and IoT. This survey also touches on the rapid adoption of AI by cybercriminals as a means to create ever more advanced malware and exploit the AI algorithms designed to defend against them.

研究动机与目标

• 提供对不同计算平台上最新基于人工智能的恶意软件检测技术的全面综述。
• 分析浅层学习、深度学习和生物启发式计算在检测现代恶意软件方面的有效性与局限性。
• 考察日益增长的对抗性AI趋势，即网络犯罪分子利用人工智能创建可规避检测的恶意软件并攻击检测系统。
• 识别AI驱动的恶意软件防御机制中的研究空白与未来方向。
• 支持开发针对不断演变的网络威胁的稳健、自适应且可解释的基于人工智能的恶意软件检测系统。

提出的方法

• 对2020至2022年期间关于基于人工智能的恶意软件检测的近期文献进行系统性综述，重点关注同行评审的期刊和会议论文。
• 将检测技术分类为三大主要类别：浅层学习（如支持向量机SVM、随机森林）、深度学习（如卷积神经网络CNN、循环神经网络RNN、自编码器）以及生物启发式计算（如遗传算法、蚁群优化）。
• 分析特征工程方法，包括从恶意软件二进制文件、系统调用和API行为中提取的静态、动态及混合特征。
• 使用标准评估指标（如准确率、F1值、精确率和召回率）在VirusShare、CIC-MALDOS和Android恶意软件数据集等基准数据集上评估模型性能。
• 引入对抗性样本和逃避技术，以评估模型在攻击下的鲁棒性与泛化能力。
• 在个人电脑、云环境、Android和物联网环境之间进行跨平台检测性能比较，突出各平台特有的挑战与解决方案。

实验结果

研究问题

• RQ1 在不同计算平台上，哪些基于人工智能的技术在检测恶意软件方面最为有效？
• RQ2 在检测准确率和鲁棒性方面，浅层学习、深度学习与生物启发式计算之间有何差异？
• RQ3 现代恶意软件样本在多大程度上利用对抗性AI来规避基于人工智能的检测系统？
• RQ4 在真实环境中部署基于人工智能的恶意软件检测系统时，其关键局限性和开放挑战是什么？
• RQ5 如何使基于人工智能的检测系统更能抵御对抗性攻击和模型逃避？

主要发现

• 当在静态和动态特征上进行训练时，深度学习模型（尤其是卷积神经网络CNNs和循环神经网络RNNs）在基准数据集上可实现超过95%的高检测准确率。
• 生物启发式计算技术（如遗传算法和蚁群优化）在优化特征选择与模型超参数方面展现出潜力，可提升检测效率。
• 浅层学习模型（如随机森林和XGBoost）在资源受限环境（如物联网）中仍对轻量级和实时检测有效。
• 对抗性攻击会显著降低基于人工智能检测器的性能，部分模型在针对性逃避攻击下检测准确率下降高达30%。
• 结合静态分析与动态分析及深度学习的混合检测方法优于单一方法系统，尤其在检测多态性和变态恶意软件方面表现更优。
• 网络犯罪分子迅速采用人工智能，迫切需要开发对抗性训练和鲁棒性感知模型，以弥合安全差距。