← 返回列表

自动化大规模恶意软件工厂:安卓恶意软件生成中搭载式攻击与对抗样本的融合

聚合站 SecWiki技术 作者 隐者联盟 发布 2024年12月25日 09:02 入库 2026-11-18T05:24:37

研究内容

对抗样本技术给Android恶意软件检测系统带来了巨大的危害,使得恶意软件能够通过细微的代码修改来规避检测。然而,现有的对抗样本技术在已有的恶意软件上生成扰动,忽视了恶意软件形成的过程,从而限制了该技术的应用范围。在本文中,我们首先研究了一种恶意软件批量生成技术——恶意代码片段注入。该技术将恶意代码批量嵌入良性流行应用中生成大量的恶意软件。我们将这一技术与对抗样本技术结合:针对特定的恶意代码片段,生成与之适配的对抗扰动并将其插入不同的良性载体应用中,从而达到批量产生能够逃脱检测的恶意软件。

技术路线

我们的攻击方法包括三个模块:恶意载荷(即恶意代码片段)提取、对抗扰动生成和良性载体(即良性应用)选择。首先,我们从现有的恶意软件检中分析出可自动化插入的恶意代码块。其次,我们提出扰动生成算法,确保扰动对某一恶意代码块具有靶向性,对不同的良性载体具有通用性。最终,我们挑选合适的良性应用载体,将扰动代码与恶意代码插入到不同的良性应用载体上,达到批量产生恶意软件对抗样本的目的。

实验结果

为了验证攻击算法的有效性,我们在6个学术界的检测模型上进行了实验。实验结果表明,算法生成的扰动对于攻击者选定的恶意载荷具有良好的靶向性,对于不同的良性载体也具有良好的通用性。

我们验证了算法在真实世界引擎上的攻击成功率。我们将生成的恶意软件对抗样本上传到VirusTotal以评估扰动对商业引擎的影响。实验结果表明我们产生的对抗样本可以明显降低恶意软件被识别的概率。

论文信息

相关论文已被The Network and Distributed System Security (NDSS 2025) 收录。

Heng Li(李珩), Zhiyuan Yao(姚致远), Bang Wu(吴棒), Cuiying Gao(高翠莹), Teng Xu(许腾), Wei Yuan#(袁巍) , Xiapu Luo(罗夏朴), ”Automated Mass Malware Factory: The Convergence of Piggybacking and Adversarial Example in Android Malicious Software Generation” in Proceedings of NDSS, 2025.

供稿:李珩

原文链接:https://mp.weixin.qq.com/s/i0w0eoj-nJczkJawhfWl-A