文章预览
对抗性训练是针对对抗性恶意软件的一种有效防御策略。然而，为此类训练生成对抗性恶意软件样本存在挑战，因为所产生的对抗性恶意软件需要保持隐蔽性和功能性。来自美国和非洲的科学家团队开发了 一种创建勒索软件的尖端方法，可以绕过现代基于人工智能的防病毒系统。在他们的论文《EGAN: Evolutional GAN for Ransomware Evasion》中提出了一个名为EGAN的攻击框架来解决这一局限性。EGAN利用进化策略和生成对抗网络选择一系列攻击动作，这些动作可以在保持原始功能性的同时使勒索软件变异。研究者在VirusTotal上列出的流行的AI驱动商业杀毒软件上测试了该框架，并证明了他们的框架能够绕过这些系统的大多数。此外，研究人员还评估了EGAN攻击框架是否能够躲避其他商业非AI杀毒软件，结果表明，这些杀软对生成的对抗性勒索软件检出率明显降低。 E
………………………………
