研究人员开发了DROIDBREAKER，一个旨在创建实用且功能性的对抗性安卓应用程序（APK）的新框架，这些应用程序可以规避机器学习恶意软件检测器。该框架解决了现有方法存在的局限性，这些方法由于构建失败或语义不可靠而常常不切实际。DROIDBREAKER通过操纵有影响力的APK组件来采用查询效率高的攻击，并使用细粒度的、构建安全的修改来保留应用程序的核心功能，这已通过运行时等效性测试得到验证。 AI
影响 这项研究突显了基于机器学习的恶意软件检测中的漏洞，可能需要更强大的安卓应用程序开发安全措施。
排序理由 该集群包含一篇研究论文，详细介绍了用于机器学习模型对抗性攻击的新框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.26707v1 Announce Type: cross Abstract: Adversarial APKs are Android applications modified in the problem space to evade machine-learning malware detectors. In this work, we first show that, despite claims, existing problem-space attacks remain largely impractical. Most…
Adversarial APKs are Android applications modified in the problem space to evade machine-learning malware detectors. In this work, we first show that, despite claims, existing problem-space attacks remain largely impractical. Most techniques leverage software transplantation to i…