思考:这些论文都是针对特定的模型来做的敌手样本
那么我们的模型是怎么做的,cnn+rnn?怎么处理字节?
从而再决定怎么生成特定敌手样本
- Adversarial Malware Binaries: Evading Deep Learning for Malware Detection in Executables
- 深度网络检测方法:抽取k个bytes,补0到d个bytes,embedding成向量z,输入到神经网络中。
- 攻击方法:注入q个字节,k+q<d
q = min(k+q,d)−k
- Adversarial Examples for Malware Detection
前提认为:攻击者对自己的模型和数据非常了解
- 深度网络检测方法:给定特征1,2...,M表示使用二进制向量X∈{0,1} M的应用程序,其中Xi表示应用程序是否展现出特征i,该特征序列是一个稀疏向量
- 攻击方法:通过不断添加=0的特征使得其变为1
通过不断学习,得到良性结果或者修改次数最大后,截止。
为了