收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

对抗样本技术在恶意软件检测和自动驾驶应用中的研究

刘鑫波  
【摘要】:基于机器学习、人工神经网络方法的人工智能技术及其相关应用,目前正得到前所未有的发展机遇。近年来,随着高性能计算技术的升级、各类优化算法的完善、5G网络的商用化,智能物联网技术的发展,以人工智能技术为基础的产品研究与应用正得到了国内外各行各业的重视。近年来从中央政府到地方机构,各级政府正在大力建设智慧城市、人工智能产业园区,行业巨头也正在逐渐完善各自在人工智能领域的产业链布局,创新型企业也正在加大对人工智能垂直领域的深度融合。然而事物总是一分为二的,当前深度神经网络研究中出现的对抗样本技术带来了人工智能研究领域中的新问题。对抗样本是指在原样本中通过人为增加某些少量的特定干扰,可以在人类无法准确分辨差异的情况下使得某些人工智能模型产生错误的判定结果。这种误判现象对于人工智能研究领域却是灾难性的。特别是针对应用较为广泛的人脸识别、无人驾驶、恶意软件检测等技术领域,相关研究的安全问题引起人们的普遍重视。论文主要就对抗样本技术在当前值得关注的恶意软件检测、以及自动驾驶等领域的应用展开研究,并提出相应的攻击与防御方法。论文的主要工作和创新点包括以下几个方面内容:(1)针对对抗样本技术进行了综述。其中,包括与对抗样本技术相关的基础概念、对抗样本的生成方法、防御对抗样本的策略、以及与对抗样本相关的实际应用技术。论文中详细分析了六种经典的对抗样本攻击方法以及五种防御性策略;同时,介绍了当前对抗样本技术新颖的拓展性领域,综合、详细的讨论了对抗样本技术的进展。(2)针对对抗样本技术对恶意软件检测器的攻击进行研究。提出一种对抗性纹理恶意软件攻击方法,即ATMPA方法。该攻击方法利用基于梯度下降和L-范数优化算法,将转化后的恶意软件样本图片进行微小的扰动,最终致使基于机器学习的可视化检测方法失效。在开源数据集上进行的测试结果表明,只需微弱的干扰就能使得多种基于机器学习的检测方法失效;同时,ATMPA在攻击不同的检测方法之间还能获得较高的转移率。攻击实验结果表明,通过微弱的干扰,可以获得100%的成功率。此外,通过对基于机器学习的不同检测方法之间的可转移性测试,该方法能够获得88.7%的最大可转移率以及74.1%的平均可转移效率。(3)研究了利用对抗样本技术强化恶意软件检测器和提高检测准确度的问题。提出一种基于对抗性训练的恶意软件可视化检测方法,即Visual-AT方法。不同于传统的基于数字签名、静态代码分析、以及动态代码分析的检测方法,Visual-AT方法不仅可以提高恶意软件在分析判别中的检测效率,而且可以防御恶意软件对抗样本的可能攻击、以及与之相关变种样本的潜在威胁,并达到防止零日攻击的效果。通过对两种开源的恶意软件数据库进行检测,实验结果表明Visual-AT方法不仅可以达到防止零日攻击的目的,而且还能获得最高97.73%的准确率,以及96.25%的平均准确率。同时,在多项性能的评价指标上Visual-AT方法也明显优于现有的几种检测方法。(4)研究了对抗样本技术在自动驾驶系统中的安全问题。结合现有的对抗性技术与图像缩放技术提出一种基于对抗样本的自动驾驶交通标示攻击方法,即AE-Sign方法。该方法分析了自动驾驶技术的安全性问题,指出了基于深度学习方法在实际应用中存在的误判现象。AE-Sign方法通过图像缩放技术,在原始实景图中利用对抗样本方法添加微弱的干扰信息,可以在不破坏原图可识别性的情况下达到干扰交通标示识别系统的目的,由此导致自动驾驶系统失误。通过开源实时数据集的实验测试,AE-Sign攻击方法表现出较高的准确度,较少的干扰可以达到100%的成功率,并且,平均转移率达到86.5%。相比同类型攻击方法,AE-Sign攻击方法不仅具有较强的灵活性与泛化能力,同时还能保持干扰样图与原始样本图的最大一致性,大大提高攻击的可靠性与可信度。(5)针对对抗样本技术以及自动驾驶技术的应用,设计并实现一个对抗样本交通标志攻击系统原型。系统原型首先搭建一个简单的自动驾驶模拟系统,再结合现有的对抗样本攻击方法进行攻击测试。系统按照模拟自动驾驶的实景方式进行攻击,初步实现了基于对抗样本技术针对自动驾驶系统的攻击环境。论文中详细介绍了攻击系统的构架、以及各个功能模块的实现。最后,通过实时路况数据的测试,将实验结果以图、表的形式展示出攻击系统的整体效果。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 王树伟;周刚;巨星海;陈靖元;;基于生成对抗网络的恶意软件对抗样本生成综述[J];信息工程大学学报;2019年05期
2 王长志;梁刚;杨进;陈文;;基于信息增益特征优化选择的恶意软件检测方法[J];计算机安全;2013年04期
3 景鸿理;黄娜;李建国;;基于机器学习的恶意软件检测研究进展及挑战[J];信息技术与网络安全;2020年11期
4 杨洪深;赵宗渠;王俊峰;;基于中间代码的恶意软件检测技术研究[J];四川大学学报(自然科学版);2013年06期
5 滕越;王天宝;;安卓恶意软件检测模型研究[J];科技风;2017年02期
6 葛朝强;葛敏辉;翟海保;张亮;;基于深度置信网的电力系统恶意软件检测[J];自动化技术与应用;2021年04期
7 王玉洁;赵丽;;利用隐语义生成对抗网络的恶意软件检测[J];控制工程;2020年04期
8 黄世锋;郭亚军;崔建群;曾庆江;;基于优化模糊C均值的手机恶意软件检测[J];信息网络安全;2016年01期
9 张燕子;;传统和深度学习方法在恶意软件检测中的应用[J];电视技术;2021年08期
10 杨频;潘岳镭;贾鹏;刘亮;;基于汇编指令词向量特征的恶意软件检测研究[J];信息安全研究;2020年02期
11 杜炜;汤敬浩;;安卓恶意软件检测及其恶意行为分析[J];计算机产品与流通;2017年07期
12 ;针对移动平台的恶意软件增长迅猛[J];信息安全与通信保密;2011年09期
13 刘兴;;盘点常见的恶意软件类型[J];网络安全和信息化;2020年12期
14 张锐;;当心! 恶意软件入侵的7种方式[J];网络安全和信息化;2021年02期
15 张晓军;;探究无文件恶意软件攻击[J];网络安全和信息化;2021年03期
16 高枫;;价值49美元的恶意软件可以做什么[J];计算机与网络;2021年14期
17 彭伟;;基于深度学习的高鲁棒性恶意软件识别研究[J];信阳农林学院学报;2020年01期
18 李汇;;攻击者利用过期安全证书传播恶意软件[J];计算机与网络;2020年07期
中国重要会议论文全文数据库 前17条
1 瞿俊;顾刘军;;基于朴素贝叶斯的安卓恶意软件检测研究[A];2020互联网安全与治理论坛论文集[C];2020年
2 白金荣;熊倩;秦汝霞;;基于多尺度卷积神经网络的恶意软件检测方法[A];2020中国网络安全等级保护和关键信息基础设施保护大会论文集[C];2020年
3 周松松;马勇;;基于威胁情报的恶意软件识别[A];信息网络安全 2016增刊[C];2016年
4 吴叶科;陈波;宋如顺;;虚拟化恶意软件及其检测技术研究[A];全国计算机安全学术交流会论文集(第二十四卷)[C];2009年
5 陈晓天;黄锦;杨满智;;基于移动互联网云、管、端一体化的恶意软件解决及安全防护类产品实现方案[A];第二届全国信息安全等级保护技术大会会议论文集[C];2013年
6 黎燕霞;刘宇容;;智能移动终端恶意软件检测技术[A];《IT时代周刊》论文专版(第315期)[C];2015年
7 李东;;构建对手机恶意软件的多层防范体系和方法研究[A];陕西省通信学会2013年学术年会论文集[C];2013年
8 于航;刘丽敏;高能;李红达;;基于模拟器的沙箱系统研究[A];第30次全国计算机安全学术交流会论文集[C];2015年
9 樵夫;;美国科学家将恶意软件植入DNA可以侵入电脑[A];《科学与现代化》2018年第1期(总第074期)[C];2018年
10 魏玉鹏;向阳;边殿田;;恶意软件关键技术及应对策略研究[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
11 郑广;谢文军;李荣江;于振华;;信息物理融合系统中具有潜伏期的恶意软件传播模型研究[A];系统仿真技术及其应用(第16卷)[C];2015年
12 张健;王文旭;牛鹏飞;顾兆军;;恶意软件防治产品与服务评测体系研究[A];第31次全国计算机安全学术交流会论文集[C];2016年
13 诸葛建伟;韩心慧;叶志远;邹维;;僵尸网络的发现与跟踪[A];全国网络与信息安全技术研讨会'2005论文集(上册)[C];2005年
14 尚进;谢军;蒋东毅;陈怀临;;现代网络安全架构异常行为分析模型研究[A];第30次全国计算机安全学术交流会论文集[C];2015年
15 胡永涛;姚静晶;赵恒立;;国内政府网站安全状况主动调查[A];全国计算机安全学术交流会论文集(第二十四卷)[C];2009年
16 张健;吴功宜;杜振华;;恶意软件防治产品检测技术和标准的研究[A];全国计算机安全学术交流会论文集·第二十五卷[C];2010年
17 吕华辉;吴丹;;基于社交关系和语义特征的异常微博用户识别[A];2015电力行业信息化年会论文集[C];2015年
中国博士学位论文全文数据库 前12条
1 刘鑫波;对抗样本技术在恶意软件检测和自动驾驶应用中的研究[D];湖南大学;2020年
2 杜冬高;基于系统调用分析的恶意软件特征提取关键技术研究[D];北京邮电大学;2020年
3 刘新;基于机器学习的恶意软件分析方法与智能检测技术研究[D];湘潭大学;2014年
4 张吉昕;基于深度学习的恶意软件特征分析与检测方法研究[D];湖南大学;2019年
5 肖飞;基于行为分析的恶意软件检测方法研究[D];北京邮电大学;2020年
6 孙浩;恶意软件特征提取与云安全检测技术研究[D];国防科学技术大学;2017年
7 倪铭;基于数据挖掘技术的恶意软件检测关键问题研究[D];南京理工大学;2018年
8 程斌林;基于结构和行为的恶意软件分析方法研究[D];武汉大学;2016年
9 陈森;数据驱动的安卓恶意软件排查和安卓应用漏洞挖掘的研究[D];华东师范大学;2019年
10 孟超;基于云计算的病毒恶意软件分析研究[D];南京航空航天大学;2013年
11 李明昭;基于机器学习的入侵检测技术研究[D];吉林大学;2020年
12 桂小林;基于行为特征的海量Web流量的识别与分析[D];北京邮电大学;2016年
中国硕士学位论文全文数据库 前20条
1 彭汇;基于图表示学习的恶意软件检测[D];电子科技大学;2020年
2 管怡晨;基于机器学习的恶意软件检测方法研究与实现[D];北京邮电大学;2021年
3 王树伟;基于胶囊网络的恶意软件检测与分类方法研究[D];战略支援部队信息工程大学;2020年
4 任重儒;基于深度学习的恶意软件检测技术研究[D];大连理工大学;2020年
5 张弛弘;基于灰度图的恶意软件检测方法研究[D];北京邮电大学;2020年
6 王垭;基于深度学习的恶意软件分类方法研究[D];电子科技大学;2020年
7 张玉玲;安卓恶意软件检测的研究[D];北京交通大学;2017年
8 张春华;面向恶意软件的分类与特征自动生成方法的研究[D];山东大学;2010年
9 陈锐;基于动静态分析的安卓恶意软件检测[D];电子科技大学;2020年
10 陈维;恶意软件识别方法研究与应用[D];电子科技大学;2017年
11 邓建;基于流量指纹的安卓恶意软件分类方法研究[D];电子科技大学;2021年
12 王贞;基于行为特征的安卓恶意软件检测与分析[D];大连理工大学;2020年
13 金炳初;基于多特征的恶意软件分类方法[D];太原理工大学;2020年
14 麦建斌;基于特征融合的恶意软件变体检测方法研究[D];海南大学;2021年
15 任柯榕;基于语义属性的安卓恶意软件检测[D];深圳大学;2019年
16 熊俊坤;基于DoI-RNNs的安卓恶意软件动态检测方法[D];辽宁大学;2019年
17 赵凌园;基于机器学习的恶意软件检测方法研究[D];电子科技大学;2019年
18 孙炳林;移动终端恶意软件检测系统的设计与实现[D];南京航空航天大学;2019年
19 逯超毅;基于深度学习的恶意软件检测技术研究[D];西安电子科技大学;2019年
20 牛津;基于静态行为特征的恶意软件检测方法与实现[D];西安电子科技大学;2019年
中国重要报纸全文数据库 前20条
1 付金 北京市第四中级人民法院;手机恶意软件侵害使用权[N];北京日报;2018年
2 ;第三次中美打击网络犯罪及相关事项高级别联合对话联合成果清单[N];人民公安报;2016年
3 记者 雷少波;广东移动大数据精准狙击手机恶意软件[N];人民邮电;2017年
4 本报记者 杜晓 本报实习生 韩婕;业内人士揭手机木马产业链“黑幕”[N];法制日报;2017年
5 本报记者 谭伦;WiFi万能钥匙护航App安全[N];通信产业报;2017年
6 本报记者 赵明;企业应定期检查自身安全状况[N];中国计算机报;2017年
7 本报记者 赵明;CopyCat,安卓系统的“永恒之蓝”?[N];中国计算机报;2017年
8 本报记者 赵明;全新“服务破坏”攻击将持续增长[N];中国计算机报;2017年
9 本报记者 赵明;金融安全威胁现况更为严峻[N];中国计算机报;2017年
10 本报记者 赵明;近在咫尺的危机[N];中国计算机报;2017年
11 本报记者 李望宁;手机恶意软件数量翻番 审核不力成祸首[N];通信信息报;2015年
12 《网络世界》记者 鹿宁宁;恶意软件:一场无休止的战争[N];网络世界;2013年
13 记者 邹本堃;2013手机恶意软件同比增一倍多[N];中国消费者报;2014年
14 本报记者 陈邓新;手机恶意软件 今年最狠[N];电脑报;2012年
15 本报记者 周小琨 实习记者 王苹;手机恶意软件,玄机重重[N];经济信息时报;2013年
16 商报记者 敖祥菲;手机用户注意:恶意软件“爱”安卓[N];重庆商报;2013年
17 记者 高少华;手机木马感染4.8亿人次[N];经济参考报;2013年
18 本报记者 姜姝;九成安卓恶意软件窃隐私[N];中国信息化周报;2013年
19 本报记者 卜娜;针对安卓平台的恶意软件攻击创新高[N];中国计算机报;2012年
20 特约记者 赵立青;打击终端恶意软件:刷机市场是漏网之鱼?[N];第一财经日报;2012年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978