使用對抗樣本的攻擊過程

參考文獻：針對惡意程式碼分類模型的對抗技術研究

１、首次提出了一種基於灰度影像的對抗樣本攻擊演算法，生成可執行的對抗樣本，用以攻擊基於機器學習的以灰度影像為分類依據的惡意程式碼分類模型。本文首先以灰度影像為依據，修改了One Pixel Attack演算法用以生成影像對抗樣本，然後將影像對抗樣本對映回程式碼形式，打包成為Android可執行程式，即生成的對抗樣本可以通過程式的形式安裝、執行。傳播，具有現實的攻擊意義。對上述演算法進行實驗驗證。首先在Derbin樣本集上進行以灰度影像為分類依據的惡意程式碼分類訓練，以得到的模型為對抗樣本的攻擊目標。然後生成基於灰度影像的可執行對抗樣本，實驗驗證其可執行性和有效性，並提出可能的防禦手段。

２、提出了一種基於程式碼注入的對抗樣本製作方法，同樣用於攻擊以灰度影像為分類依據的惡意程式碼分類模型。借鑑了基於選擇的遺傳演算法思想提出了一種對抗樣本生成演算法，將冗餘程式碼注入APK檔案反彙編後得到的Smali檔案中，經過演算法多次迭代，並且經過一系列的處理後得到可執行的對抗樣本程式。同樣以訓練好的分類模型作為攻擊目標，實驗驗證基於程式碼注入的可執行對抗樣本的可執行性和有效性，並分析可能的防禦手段。