8月31日
11:40
11:40官方账号arXiv cs.LG@Shae McFadden, Ilias Tsingenopoulos, Mario D'Onghia, Alexander Herzog, Myles Foley, Chris Hicks, Lorenzo Cavallaro, Fabio Pierazzi
73°
REPLICANT 是一种深度强化学习框架,在严格的仅标签黑盒威胁模型下学习规避技术。该框架可重用策略,适用于不同样本、检测器和特征空间。在七个 Android 恶意软件检测器和三种特征空间测试中,REPLICANT 实现了 78.8% 的平均攻击成功率,比现有技术提高 20.9%-39.2%。当用于对抗训练时,REPLICANT 产生的检测器具有更强的泛化鲁棒性。
推荐理由:REPLICANT 能让恶意软件绕过检测,还能帮安全人员训练更强大的检测器,效果提升近四成。
6月19日