AndroVenom

新研究揭示了针对机器学习恶意软件检测的标签欺骗攻击

一项新的研究论文介绍了一种名为“标签欺骗攻击”的新型威胁，攻击者会巧妙地将恶意模式嵌入到良性软件中。这些模式会欺骗杀毒引擎将合法文件误分类为有害文件，从而污染用于训练机器学习恶意软件检测器的训练数据集。该研究通过AndroVenom展示了这一点，该方法仅用1%的被污染样本就能对最先进的机器学习模型造成拒绝服务攻击，并通过最小的数据修改来改变特定的良性样本决策。研究结果引起了人们对依赖杀毒软件注释的机器学习训练过程的可靠性的严重担忧。