画像ベースAndroidマルウェア検出モデルの敵対的ロバスト性【JST・京大機械翻訳】

Rathore Hemant; Bandwala Taeeb; Sahay Sanjay K.; Sewak Mohit

文献

J-GLOBAL ID：202202266298488065 整理番号：22A0778194

画像ベースAndroidマルウェア検出モデルの敵対的ロバスト性【JST・京大機械翻訳】

Adversarial Robustness of Image Based Android Malware Detection Models

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0778194&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0778194&from=J-GLOBAL&jstjournalNo=W5071A") }}

著者 (4件)： , , ,
資料名：
巻： 1549 ページ： 3-22 発行年： 2022年
JST資料番号： W5071A ISSN： 1865-0929 資料種別：会議録 (C)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

最後の5年は,Androidスマートフォン使用者の数の大きな増加を示した。したがって,ユーザデータ,セキュリティ,およびプライバシーを危険にさらすために,悪意のあるAndroidアプリケーションがあるケースである。ほとんどの既存のAndroidマルウェア検出エンジンは,入力マルウェアのペースと検出エンジンに対する回避技法の so化を続けることを困難にしている。これは,最先端のマルウェア検出モデルを構築するために,機械学習と深層学習アルゴリズムの使用に研究者を推進した。しかしながら,研究は,これらの検出モデルが,徹底的調査を促進する敵対攻撃に脆弱であるかもしれないことを示している。従って,まず,Android許可と意図をマルウェア検出の特徴として使用するE-CNNと名付けた埋込み層ベースハイブリッドCNNを使用する画像ベースマルウェア検出パイプラインを提案した。許可と意図ベースのE-CNN検出モデルは,それぞれ[数式:原文を参照]と[数式:原文を参照]のベースライン精度を達成した。次に,著者らは敵対として作用して,上記の検出モデルに対するECO-FGSM広告攻撃を提案した。ECO-FGSM攻撃はマルウェアサンプルを敵対的マルウェアサンプルに変換し,検出モデルによって良性として誤分類される。提案した攻撃は,許可と意図ベースのE-CNN検出モデルに対して,それぞれ,[数式:原文を参照]と[数式:原文を参照]の高いフロアリング率を達成した。また,最も脆弱な許可のリストと広告サンプルを生成する意図を同定した。次に,検出モデルに対するECO-FGSM攻撃に対抗するための防御戦略として敵対的再訓練を用いた。敵対防御は,[数式:原文を参照]と[数式:原文を参照]による許可と意図ベースのE-CNN検出モデルのベースライン精度を改善するのに役立った。ECO-FGSM攻撃を用いて敵対的再訓練モデルを再攻撃し,それらの敵対的ロバスト性を検証した。著者らは,許可と意図ベースのE-CNN検出モデルに対して,[数式:原文を参照]と[数式:原文を参照]によるホーミング率の減少をそれぞれ見出した。最後に,マルウェア検出モデルの敵対的ロバスト性を調査することは,実世界展開の前にその性能とロバスト性を改善するのを助ける必須のステップであると結論する。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

データ保護 , 計算機網

, , , ,

前のページに戻る