基于深度强化学习的恶意软件混淆对抗样本生成

作     者：严莹子 王小平 庄葛巍 顾臻 贺青 史扬 Yan Yingzi;Wang Xiaoping;Zhuang Gewei;Gu Zhen;He Qing;Shi Yang

作者机构：同济大学电子与信息工程学院上海200092 国网上海市电力公司电力科学研究院上海200436 同济大学软件学院上海200092 

基　　金：国家自然科学基金项目(61772371) 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2022年第39卷第2期

页      码：315-323,349页

摘      要：设计一种PE格式恶意软件混淆对抗样本生成模型。利用深度强化学习算法,实现对恶意软件的自动混淆。通过加入历史帧和LSTM神经网络结构的方法使深度强化学习模型具有记忆性。对比实验表明,该恶意软件变种在基于机器学习的检测模型上的逃逸率高于现有研究,在由918个PE格式恶意软件组成的测试集上达到39.54%的逃逸率。

主 题 词：深度强化学习 代码混淆 对抗训练 恶意软件检测 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-386x.2022.02.050

馆 藏 号：203107414...