Androidマルウェア分類器に対するブラックボックス型回避攻撃手法の検討

• Item type: Symposium(1)
• 公開日: 2019-10-14
• タイトル: Androidマルウェア分類器に対するブラックボックス型回避攻撃手法の検討
• タイトル / 言語: en
• タイトル: Investigation of Black-Box Based Evasion Attack Method against Android Malware Classifier
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: Androidマルウェア，回避攻撃，特徴量，強化学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 電気通信大学
• 著者所属: 日本電信電話株式会社
• 著者所属: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): Nippon Telegraph and Telephone Corporation
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者名: 古川, 和祈; 畑田, 充弘; 吉浦, 裕; 市野, 将嗣
• 著者名(英): Kazuki, Furukawa; Mitsuhiro, Hatada; Hiroshi, Yoshiura; Masatsugu, Ichino
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: スマートフォンの普及に伴い，スマートフォンを対象としたマルウェアが増加している．そこで未知のマルウェアを検知できるように，機械学習を用いた検知手法が提案されるようになった．他方で近年，機械学習に対する攻撃手法が多く提案されている．機械学習に対する攻撃手法の1つに回避攻撃というものが存在する．回避攻撃は，あるクラスに分類される入力に対して摂動を与えることで，別のクラスに分類されるようにする攻撃である．マルウェア検知に対する回避攻撃が実現すると，機械学習を用いることで検知することが出来ていた未知マルウェアの検知が困難となる脅威が生まれ，この脅威に対する防御手法を確立することが求められる．本研究では，標的モデルが用いている正確な特徴量の情報を必要としないブラックボックス型の回避攻撃手法を提案する．評価実験では，約80%のマルウェアを良性として回避できることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: For dealing with a large amount of malware, detection methods using machine learning are useful. On the other hand, one of the attack methods called evasion attack is proposed. Evasion attack makes it possible to be classified into another class by adding a perturbation to the input classified into one class. When an evasion attack on a malware classifier is realized, there is a threat that makes it difficult to detect unknown malware that could be detected using machine learning, and it is required to establish a defense method against the threat. In this research, we propose a black-box based evasion attack technique that does not require exact feature information used by a target model. In the experiment, it was confirmed that about 80% of malwares can be avoided as benign.
• 書誌レコードID / 識別子タイプ: NCID
• 書誌レコードID / 関連識別子: ISSN 1882-0840
• 書誌情報: コンピュータセキュリティシンポジウム2019論文集; 巻 2019, p. 1004-1010, 発行日 2019-10-14
• 出版者 / 言語: ja
• 出版者: 情報処理学会