QuasarNix: كشف عكسي للصدفة (Reverse-Shell) عبر Living-off-the-Land مع حصانة عدائية قوية

ديميتريجس تريزنا · لوكا ديميتريو · باتيستا بيجيو · فابيو رولي

نظرة عامة

تستغل الصدفات العكسية (reverse shells) من نوع living-off-the-land (LOTL) في لينكس الثنائيات الشرعية (bash, python, nc, …) لإنشاء اتصالات صادرة خفية، مما يجعل الكشف القائم على التوقيعات غير موثوق به تجاه المتغيرات الجديدة ومحاولات التهرب. يعالج QuasarNix فجوتين مفتوحتين في هذا المجال:

1. لا وجود لكاشفات SIEM عامة قائمة على التعلم الآلي — نُطلق أول نماذج تعلم آلي جاهزة للإنتاج ومرخصة بمصدر مفتوح لكشف الصدفات العكسية من نوع LOTL.
2. الهشاشة العدائية — نقوم بتقييم النماذج تحت هجمات التهرب والتسميم، ونوفر نقاط تفتيش مدربة تدريبًا عدائيًا تصمد أمام جميع الهجمات المختبرة.

يولّد الإطار مجموعة تدريبية قوامها مليون أمر من 34 قالبًا للصدفات العكسية، ويقيّم 14 بنية نموذجية عند نقطة تشغيل FPR = 10⁻⁶ — مما يعكس قيود إرهاق التنبيهات الحقيقية في أنظمة SIEM.

النتائج الرئيسية

الأداء على مجموعة الاختبار المحجوزة عبر خطوط الأساس الكشفية وبنى QuasarNix. يتم الإبلاغ عن TPR كمتوسط ± انحراف معياري عبر عشر عمليات تدريب مستقلة عند FPR = 10⁻⁶. العريض يشير إلى أفضل نتيجة؛ بينما تميز العلامة النجمية (*) النماذج التي نوقشت في الورقة.

خطوط الأساس

QuasarNix — النماذج الجدولية (ترميز One-Hot)

QuasarNix — النماذج التسلسلية (تضمينات الترميز)

الخلاصة: يحقق GBDT TPR بنسبة 60% عند FPR = 10⁻⁶ — أي أعلى بـ 18 مرة من التوقيعات (3.37%) — مع تدريب يستغرق 14 ثانية على أجهزة تجارية.

المتانة العدائية

اضطرابات الهروب من الصدفة

يسرد الجدول أدناه تقنيات هروب الصدفة في لينكس من عدة أدوات المهاجم. يشير العمود الثالث إلى ما إذا كانت التقنية تصمد أمام تطبيع تليمترية نواة auditd — فقط الإدخالات الأربعة بالعريض تُنتج سجل EXECVE مميزًا وتشكل سطح الهجوم الفعلي.

فقط 4 من 15 تقنية تصمد أمام التطبيع على مستوى النواة وتُستخدم كفضاء للهجمات العدائية.

التهرب والتدريب العدائي

يتم تقييم ثلاث عائلات هجمات — حقن محتوى حميد، واضطرابات هروب الصدفة، وهجين من الاثنين:

• حقن المحتوى الحميد يدمر جميع النماذج العصبية؛ يحافظ GBDT على دقة ≥93% بفضل ترجيح أهمية الميزات.
• اضطرابات هروب الصدفة تخفض دقة GBDT وCNN إلى 0% عند أقصى ميزانية اضطراب دون دفاعات.
• التدريب العدائي يجعل جميع أنواع الهجمات الثلاثة غير فعالة عبر كل بنية تم تقييمها.

المتانة ضد التسميم

إلى جانب التهرب في زمن الاستدلال، نقوم بتقييم الهجمات في زمن التدريب:

تلويث قلب التسميات (قلب 0–20% من تسميات التدريب): تتدهور النماذج بأناقة؛ يُظهر GBDT مقاومة ذاتية عبر التصويت الجماعي، ويبقى فعالًا عند نسب تلوث عالية.

هجوم الباب الخلفي (نسبة تسميم 0.01–1%، محفزات من 2 إلى 10 رموز): تفشل المحفزات القصيرة (2–4 رموز) في تثبيت أبواب خلفية موثوقة بسبب انتشارها في الحركة الحميدة. يتطلب التثبيت الأمثل للباب الخلفي محفزات من 6 إلى 10 رموز عند نسبة تسميم ≥0.03%.

الخلاصة: تتطلب هجمات التسميم حقن بيانات كبيرًا يمكن اكتشافه إحصائيًا لتحقيق النجاح. توفر آلية التصويت الجماعي في GBDT متانة ذاتية دون أي تكلفة تدريب عدائي.

التحقق الصناعي

بعد نشر هذا العمل، نشرت Google نظام إنتاج متوافقًا مفاهيميًا في CAMLIS 2025 (arXiv:2512.08802): خط أنابيب من مرحلتين YARA + ML منتشر عبر عشرات الآلاف من الأنظمة، يعالج حتى 250 مليار حدث يوميًا. يتحقق ذلك النظام بشكل مستقل من صحة نموذج التعلم الآلي الهجين لكشف SIEM وحلقة التغذية الراجعة النشطة المقترحة هنا، مما يثبت جدواه على النطاق الصناعي.

مجموعة البيانات والنماذج المدربة مسبقًا

from datasets import load_dataset
ds = load_dataset("dtrizna/QuasarNix")

هيكل المستودع

src/
  augmentation.py       rule-based and generative data synthesis
  evasion.py            white-box / black-box adversarial attacks
  models.py             model definitions (CNN, LSTM, Transformer, XGBoost, …)
  preprocessors.py      tokenisers and feature builders
  scoring.py            evaluation metrics at fixed FPR

experiments/
  ablation_*.py         ablation studies (tokenizer, vocab size, embedding)
  adversarial_*.py      attack and adversarial-training pipelines
  train_release_models.py  end-to-end training script
  logs_*/               TensorBoard runs, CSV metrics, model checkpoints

data/
  signatures/           Sigma rules generated by evolutionary search
  nix_shell/            raw benign command corpus
  powershell/           cross-platform command samples

img/                    publication-ready plots

إعداد البيئة

uv venv                    # creates .venv (add --python 3.11 for a specific interpreter)
source .venv/bin/activate
uv sync                    # installs dependencies from pyproject.toml

الاستشهاد

@article{trizna2025quasarnix,
  author    = {Trizna, Dmitrijs and Demetrio, Luca and Biggio, Battista and Roli, Fabio},
  title     = {Robust Large-Scale Detection of Living-Off-the-Land Reverse Shells via Data Synthesis},
  journal   = {ACM Transactions on Privacy and Security},
  year      = {2025},
  doi       = {10.1145/3807450},
  url       = {https://dl.acm.org/doi/10.1145/3807450}
}