Indexed by：
Abstract：
为了解决恶意代码检测器对于对抗性输入检测能力的不足,提出了一种对抗训练驱动的恶意代码检测增强方法.首先,通过反编译工具对应用程序进行预处理,提取应用程序接口(API)调用特征,将其映射为二值特征向量.其次,引入沃瑟斯坦生成对抗网络,构建良性样本库,为恶意样本躲避检测器提供更加丰富的扰动组合.再次,提出了一种基于对数回溯法的扰动删减算法.将良性样本库中的样本以扰动的形式添加到恶意代码中,对添加的扰动进行二分删减,以较少的查询次数减少扰动的数量.最后,将恶意代码对抗样本标记为恶意并对检测器进行重训练,提高检测器的准确性和稳健性.实验结果表明,生成的恶意代码对抗样本可以躲避目标检测器的检测.此外,对抗训练提升了目标检测器的准确率和稳健性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
通信学报
ISSN： 1000-436X
CN： 11-2102/TN
Year： 2022
Issue： 9
Volume： 43
Page： 169-180
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 6
Affiliated Colleges：
