计算机科学与探索

作者：蒋周杰, 陈意, 熊子漫, 郭春, 申国伟

单位：1. 贵州大学 计算机科学与技术学院 公共大数据重点实验室，贵阳 5500252. 文本计算与认知智能教育部工程研究中心，贵阳 5500253. 贵州大学 继续教育学院，贵阳 550025

关键词：对抗样本,恶意软件检测,灰度图像,可移植可执行（PE）文件

基于灰度图像和深度学习的恶意软件检测方法具有无需特征工程和检测精度高的特点，通过对抗样本能够欺骗该类检测方法。然而当前大部分研究所生成的对抗样本难以在不破坏原文件功能完整性的情况下大幅度降低该类检测方法对其的判别准确性。在分析可移植可执行（PE）文件的结构以及加载机制的基础上，提出一种不破坏PE文件原有功能且可添加量不受限的字节码攻击方法（BAUAA）。BAUAA通过在PE文件中分散于各区段之后且不会载入内存的“区段附加空间”添加字节码来生成对抗样本，并且由于该空间具有可添加量不受限的特点，可使得生成的对抗样本所转化的灰度图像在尺寸和纹理上发生变化，从而能够影响基于灰度图像和深度学习的恶意软件检测方法对其的判别准确性。实验结果表明，基于灰度图像和深度学习的恶意软件检测方法判别BAUAA所生成对抗样本的准确率明显低于其判别非对抗样本的准确率。为避免在现实中滥用BAUAA，提出一种针对性的对抗样本检测方法。

来源：2024年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第2期