基于遗传算法的恶意软件对抗样本生成方法

作者：李坤; 郭威; 张帆^*; 杜加玉; 杨梅樾

来源：计算机科学, 2023, 50(07): 325-331.

• 对抗样本
• 深度学习
• 恶意检测
• 对抗攻击
• 遗传算法

近年来，随着互联网技术的发展，恶意软件成为网络攻击的重要手段。为防御恶意软件攻击，可以将深度学习技术应用于恶意软件检测。然而，由于深度学习模型自身的局限性，基于深度学习的恶意软件检测模型容易受到恶意软件对抗样本的攻击，导致恶意软件对抗样本逃逸模型检测。通过研究恶意软件对抗样本的生成，可以帮助模型设计者改进模型设计、提升模型鲁棒性和防御能力。因此，针对基于灰度图的恶意软件检测模型，提出一种基于遗传算法的恶意软件对抗样本生成方法。该方法通过遗传算法优化扰动，再结合混淆操作向恶意软件中注入扰动，从而保证生成的恶意软件对抗样本具有对抗性、可执行性和恶意性。经实验验证，相比现有工作，所提方法生成的对抗样本攻击成功率平均提高56.4%。

• 单位
  信息工程大学