面向时间一致恶意软件开放集识别的边界感知几何学习
《Information Fusion》:Boundary-Aware Geometric Learning for Time-Consistent Malware Open-Set Recognition
【字体:
大
中
小
】
时间:2026年10月24日
来源:Information Fusion 17.4
编辑推荐:
•多阶段信息融合提升恶意软件开集识别性能。•边界感知代理特征有助于拒绝未知恶意软件家族。•双空间几何学习增强恶意软件家族分离能力。•局部密度证据改进预测与拒绝决策。•时间一致性测试表明在公开Windows恶意软件数据集上取得了性能提升。
## 引言
在不断演变的环境中,开
•多阶段信息融合提升恶意软件开集识别性能。•边界感知代理特征有助于拒绝未知恶意软件家族。•双空间几何学习增强恶意软件家族分离能力。•局部密度证据改进预测与拒绝决策。•时间一致性测试表明在公开Windows恶意软件数据集上取得了性能提升。
## 引言
在不断演变的环境中,开集恶意软件识别面临一项挑战:在保持对已知家族判别能力的同时,还要拒绝训练阶段未曾见过的恶意软件家族样本。这一问题比传统的闭集恶意软件分类更为困难,因为恶意软件的分布会随时间变化,新家族或变体可能在部署后出现。Windows可执行(PE)恶意软件家族识别是一个具有代表性的实际重要场景:在现实中的Windows安全系统中,模型不应仅仅将每个传入样本强制归入固定的一组已知家族标签,还需要识别出可能属于模型未见家族的样本。
在本研究中,我们在时间一致性评估下,针对Windows PE恶意软件研究家族级开集识别(OSR),使用由静态PE特征向量构建的灰度特征图作为模型输入。尽管近期的神经恶意软件分类器已取得强劲表现,但恶意软件家族识别仍然困难,因为从历史数据中学习的决策边界必须能泛化到来自偏移和演变分布的未来样本 [1],[2],[3]。此外,现有的恶意软件OSR方法通常侧重于判别性表征学习或代理样本生成 [4],[5],[6],[7],[8],[9],[10],[11],很少在单一框架中同时整合几何表征学习、边界感知代理生成以及可靠的未知家族拒绝。因此,模型虽然可能学习到已知家族的紧凑闭集表征,但在未知家族样本可能出现的边界区域仍然脆弱。
第二个实际问题涉及评估。当未来的恶意软件样本泄漏到训练集中时,会引入时间偏差,导致性能估计过于乐观,削弱面向部署的结论可信度 [12],[13],[14]。因此,我们在时间一致性开集划分下评估所有方法,即训练样本在时间截止点之前,测试样本仅从后续时期抽取。这一设置更好地反映了现实部署条件——在历史恶意软件上训练的模型必须处理可能包含已知家族变体和模型未见家族的未来样本。在本文评估中,"未见"指在训练中排除、仅在将来测试期中评估的恶意软件家族。这一设置评估的是时间分布偏移下的开集泛化能力,而非要求每个未见家族都必须在时间截止点之后才出现。
为应对上述挑战,我们提出了OMT(时间约束下的恶意软件开集识别),一个面向演变分布下恶意软件OSR的边界感知几何学习框架。OMT在一个统一的神经框架中整合了几何表征学习、边界感知代理特征生成和基于局部密度的拒绝机制。具体而言,分类器联合学习闭集家族预测、具有固定正交原型的紧凑超球面嵌入,以及由三元组约束正则化的特征级分离。同时,一个基于差异寻求生成对抗网络(DSGAN [15])风格的生成器在潜在空间中构造边界感知代理特征。这些代理特征在已知家族支持区域的边界附近生成,并被用作开集训练中的信息量丰富的困难负样本。在测试时,OMT首先利用线性分类头获得一个临时闭集预测,然后通过类条件k近邻(k-NN)规则在已学习的嵌入空间中相对于所预测的已知家族估计局部邻域密度,执行未知家族拒绝。
在BODMAS [16]和从EMBER2024 [17]派生的Win64子集上的广泛实验表明,OMT在所有评估的时间一致性划分中始终取得最强的已知/未知可分性和最佳或极具竞争力的最终开集识别性能。
从信息融合的角度来看,OMT在训练、表征和决策阶段执行多阶段融合。在训练阶段,真实已知家族特征与生成的边界感知代理特征被联合使用以塑造开集边界。在表征阶段,欧氏潜在特征与超球面嵌入相互配合,前者支持稳定的代理生成,后者支持角度判别和基于邻域的拒绝。在决策阶段,闭集分类器证据与类条件局部密度证据相结合,以判断测试样本应被接受为已知家族还是被拒绝为未知。
本研究的主要贡献总结如下:
1. 我们从多阶段信息融合的角度为Windows PE恶意软件制定了时间一致的家族级OSR问题,并提出OMT作为一个统一框架,整合训练样本、表征空间和决策证据,以支持准确的已知家族分类和可靠的未知家族拒绝。
2. 我们在潜在特征空间中开发了一种类条件边界感知代理生成机制。通过根据类别特征分散程度自适应调节扰动幅度,OMT生成边界感知的代理特征作为困难负样本,使模型无需在训练期间使用真实的未见家族样本即可学习到有效的开集边界。
3. 我们引入了一种用于未知家族检测的类条件k-NN拒绝规则。该规则相对于临时预测的已知家族估计局部邻域密度,为概率阈值和单一中心拒绝策略提供了可靠的替代方案,尤其适用于不规则或异质的恶意软件家族分布。
4. 我们在两个Windows PE恶意软件数据集的时间一致性开集划分下进行了全面实验。OMT在所有六个评估划分中取得了最高AUROC,并在最终F1K+1性能上取得最佳或第二佳结果,同时消融研究考察了基于代理的开集训练、类别尺度自适应高斯扰动以及类条件局部密度k-NN拒绝各自的作用。
本文其余部分组织如下:第2节回顾相关工作。第3节介绍所提出的OMT框架。第4节详述实验设置和结果。第5节总结全文。
## 章节摘要
### 开集识别方法
开集识别(OSR)扩展了传统闭集分类,要求模型正确分类已知类别样本的同时拒绝先前未见类别的样本 [18],[19]。从方法论角度来看,现有的OSR方法可大致分为判别式和生成式两类。这一区分与OMT尤其相关,OMT将判别式几何学习与边界感知代理生成及局部密度拒绝进行了整合。
#### 动机
现有的OSR方法通常依赖概率阈值拒绝、基于中心的距离拒绝、通用代理未知生成或单独的表征学习。在演变分布下的恶意软件OSR场景中,这些策略存在局限性:概率阈值对过度自信的闭集预测敏感;基于中心的拒绝对于不规则或多模态家族分布可能不可靠;通用代理生成可能忽视类别特定的边界区域;而……
### 数据集与时间划分
为评估开集识别性能,我们构建了不相交的已知和未知恶意软件家族集合。遵循开集识别领域的先前工作 [22],我们使用以下指标量化开放程度:
O = 1 ? 2C_seen / (2C_seen + C_unseen)
其中C_seen和C_unseen分别表示已知和未知家族的数量。在我们的实验中,我们考虑了两个Windows PE恶意软件数据集。对于每个数据集,我们采用基于时间的数据划分以反映现实部署场景,并执行……
### 结论与未来工作
在本工作中,我们提出了OMT,一个用于演变分布下Windows PE恶意软件家族级开集识别的边界感知几何学习框架。OMT通过类条件代理生成、几何表征学习和局部密度拒绝,将边界感知训练信号、互补表征空间和决策时证据进行整合。这一设计在实现准确已知家族分类的同时,提升了对模型未见恶意软件的拒绝能力。
### 资助来源
本工作得到了国家自然科学基金(批准号62672213)以及广东省基础与应用基础研究基金(批准号2024A1515011758和2024A1515140144)的支持。
### 声明:稿件准备过程中生成式AI和AI辅助技术的使用
在本工作准备期间,作者使用生成式AI工具改进了稿件的可读性和语言。在使用这些工具之后,作者对内容进行了审查和必要的编辑,并对已发表文章的内容承担全部责任。
### CRediT作者贡献声明
Sun Yuxia:写作—审阅与编辑、写作—原稿撰写、验证、项目管理、方法论、调查研究、概念构思。Li Xu:写作—审阅与编辑、写作—原稿撰写、软件、资源、数据管理。Huo Ziying:写作—原稿撰写、软件。Chen Zhigang:写作—审阅与编辑、数据管理。Liu Zhiquan:写作—审阅与编辑、验证、项目管理。Tang Yong:写作—审阅与编辑、监督、经费获取。
### 利益冲突声明
作者声明他们没有已知的可能影响本文所报告工作的竞争性经济利益或个人关系。
Sun Yuxia | Li Xu | Huo Ziying | Chen Zhigang | Liu Zhiquan | Tang Yong | He Chaobo | Zeng Li
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号