深度学习赋能的恶意代码攻防研究进展

• 作 者: 冀甜甜 方滨兴 崔翔 王忠儒 甘蕊灵 韩宇 余伟强
• 机 构: 北京邮电大学网络空间安全学院可信分布式计算与服务教育部重点实验室,广州大学网络空间先进技术研究院,中国网络空间研究院,北京丁牛科技有限公司
• 出 处: 计算机学报
• 发表日期: 2021年4期
• 关键词: 恶意代码 深度学习 赋能攻击 赋能防御 攻击链 malware deep learning AlPowered Attack:AlPowered Defense
• 基金项目: 广东省重点领域研发计划(2019B010137004,2019B010136003),北京邮电大学博士生创新基金资助项目(CX2019115)资助

深度学习赋能的恶意代码攻防研究已经成为网络安全领域中的热点问题.当前还没有针对这一热点问题的相关综述,为了及时跟进该领域的最新研究成果,本文首先分析并总结了恶意代码攻击的一般流程.基于该攻击流程,本文对深度学习的赋能攻击点和赋能防御点进行了定位,将深度学习助力攻击的技术分为5类:(1)基于对抗样本生成的自动化免杀;(2)基于自然语言生成的自动化网络钓鱼;(3)基于神经网络的精准定位与打击;(4)基于生成对抗网络的流量模仿;(5)基于黑盒模型的攻击意图隐藏,并将深度学习助力防御的新型技术分为3类:(1)基于