استفاده از یادگیری ماشین (Machine Learning) برای تشخیص بدافزارها در دستگاه‌های اینترنت اشیاء (IoT) به دلیل محدودیت‌های سخت‌افزاری (CPU و حافظه)، به رویکردهای سبک تبدیل شده است. یکی از این ابزارها SIMBIoTA-ML است که از هش شباهت TLSH برای شناسایی فایل‌ها استفاده می‌کند. با این حال، مانند تمامی سیستم‌های مبتنی بر ML، این ابزار نیز در برابر نمونه‌های متخاصم (Adversarial Examples) آسیب‌پذیر است.
چالش نگاشت معکوس ویژگی‌ها (Inverse Feature-mapping)
بسیاری از حملات گریزپایی در ادبیات ML بر روی بردارهای ویژگی پیوسته (Continuous Feature Vectors) عمل می‌کنند؛ به این صورت که اعداد تغییر می‌کنند تا تصمیم مدل تغییر کند. اما در مورد بدافزارها، فایل‌ها گسسته (Discrete) هستند و باید پس از تغییر، همچنان قابلیت اجرا داشته باشند. مشکل اینجاست که هر نقطه‌ای در فضای ویژگی، لزوماً به یک فایل اجرایی واقعی متناظر نیست. این چالش به عنوان «مشکل نگاشت معکوس ویژگی‌ها» شناخته می‌شود.
معماری و مراحل عملکرد FAME
پروژه FAME یک خط لوله (Pipeline) سیستماتیک برای تولید بدافزارهای گریزپا را معرفی می‌کند که در سه مرحله اجرا می‌شود:
- تولید بردار ویژگی متخاصم: ابتدا یک نمونه بدافزار که توسط مدل شناسایی شده، انتخاب شده و با استفاده از حملاتی مانند FGSM، PGD یا HopSkipJump در فضای ویژگی پیوسته، به نقطه‌ای تغییر می‌یابد که مدل آن را «سالم» (Benign) تشخیص دهد.
- گسسته‌سازی با حل‌کننده SMT: از آنجا که بردار پیوسته یک هش TLSH معتبر نیست، از یک حل‌کننده SMT (Satisfiability Modulo Theories) استفاده می‌شود تا نزدیک‌ترین نقطه صحیح (Integer) را بیابد که هم یک هش TLSH معتبر باشد و هم توسط مدل به عنوان فایل سالم طبقه‌بندی شود.
- تغییر در فایل باینری: در مرحله نهایی، با استفاده از تکنیک‌های Anti-whitelisting، بایت‌های خاصی به انتهای بدافزار اضافه می‌شود تا هش TLSH فایل دقیقاً با هش هدف که توسط حل‌کننده SMT پیدا شده، مطابقت داشته باشد.
نتایج ارزیابی و تحلیل
این متد بر روی معماری‌های ARM و MIPS و با استفاده از مدل‌های مختلفی از جمله Logistic Regression (LR)، SVM و Random Forest آزمایش شده است. نتایج نشان می‌دهد که:
- مدل‌های LR و SVM بیشترین میزان آسیب‌پذیری را داشته و اکثر نمونه‌ها توانستند با موفقیت از سد این مدل‌ها عبور کنند.
- مدل‌های مبتنی بر درخت (Tree-based) مقاومت بیشتری نشان دادند، اما همچنان در برابر حملات White-box آسیب‌پذیر بودند.
- هزینه حجم فایل: گریزپایی رایگان نیست؛ برای رسیدن به هش هدف، باید بایت‌های اضافه‌ای به فایل اضافه شود که منجر به افزایش حجم بدافزار می‌گردد. این افزایش حجم در معماری MIPS بیشتر از ARM بود.
نتیجه‌گیری برای تیم‌های دفاعی
متد FAME نشان می‌دهد که مهاجمان می‌توانند به صورت سیستماتیک و در مقیاس بالا، نمونه‌های گریزپا برای دور زدن تشخیص‌های ML تولید کنند. راهکار مقابله با این تهدیدات، استفاده از آموزش متخاصم (Adversarial Training) است تا مدل‌های تشخیص در برابر این نوع تغییرات مقاوم‌تر شوند و هزینه گریزپایی (مانند افزایش حجم فایل) برای مهاجم به شدت بالا برود.
