mdshoaibuddinchanda/zombieguardML-basierte Erkennung von Zombie-ZIP-Archiv-Header-Umgehungsangriffen (CVE-2026-0866)
Ein defensiver Scanner für strukturelle Metadaten-Umgehung in ZIP-Archiven.
ZombieGuard erkennt Widersprüche zwischen lokalen ZIP-Dateiköpfen, Central-Directory-Einträgen und Payload-Eigenschaften. Diese Widersprüche können genutzt werden, um Archivinhalte für einen Parser leer oder harmlos erscheinen zu lassen, während ein anderer Parser die Payload weiterhin erreicht.
Es kombiniert einen begrenzten ZIP-Parser mit einem kleinen LightGBM-Modell. Es extrahiert keine Archivinhalte und führt sie nicht aus.
[!IMPORTANT] ZombieGuard erkennt Signale für Archiv-Umgehung, nicht Malware. Ein sauberes Ergebnis ist kein Beweis dafür, dass die Dateien in einem Archiv sicher sind.
ZombieGuard unterstützt Python 3.11 und 3.12.
git clone https://github.com/mdshoaibuddinchanda/zombieguard.git
cd zombieguard
python -m pip install .
zombieguard scan suspicious.zip --include-features
Das Release-Modell wird zusammen mit dem Paket installiert. Verwenden Sie zombieguard scan --help für das
Eingabegrößenlimit, die JSON/SARIF-Ausgabe und die Optionen zum Scannen von Verzeichnissen.
Für die Entwicklung installieren Sie das Repository im bearbeitbaren Modus:
python -m pip install -e ".[dev]"
python -m pytest
ZombieGuard behandelt jedes ZIP als Konsistenzproblem, anstatt nach Malware-Signaturen zu suchen:
Der Scanner meldet einen Befund mit unterstützenden Begründungscodes. Parsing-Fehler werden als unbestimmbar oder verdächtig gemeldet; sie werden niemals stillschweigend in ein sauberes Ergebnis umgewandelt.
Untrusted ZIP bytes
│
▼
Bounded structural parser ──► explicit parse/limit failures
│
▼
Per-entry consistency features
│
▼
Versioned LightGBM model
│
▼
verdict + score + reasons
Strukturvalidierungsfehler erzeugen ein explizites, nicht scannbares Ergebnis. Erfolgreich geparste Archive werden vom Modell bewertet und beobachtete Inkonsistenzen als Begründungscodes zurückgegeben. Die Modellmetadaten erfassen das Feature-Schema, die Trainingskonfiguration, Quell-Hashes und die Modellprüfsumme.
Die Release-Evaluierung ist bewusst eng gefasst und reproduzierbar. Sie erhebt keinen Anspruch auf Malware-Erkennung in der Praxis oder auf Generalisierung über Formate hinweg.
| Eigenschaft | Release-Protokoll |
|---|---|
| Umfang | Feature-Benchmark für synthetisch-positive ZIP-Strukturumgehung |
| Zulässiger Korpus | 1,150 generierte Positivfälle und 1,568 deduplizierte, als gutartig gekennzeichnete Feature-Zeilen |
| Positiv-Holdout | Eine vollständige Angriffsvariante pro Fold ausgelassen (8 Varianten) |
| Gutartig-Holdout | Deterministische SHA-256-Aufteilung; jede Stichprobe wird genau einmal ausgewertet |
| Entscheidungsschwelle | Verschachtelte gruppierte Kalibrierung nur auf äußeren Trainingszeilen; 0.5% Budget für gutartige FPR |
| Gemeldete Vorhersagen | Nur Vorhersagen der äußeren Folds; zurückgehaltene Zeilen legen ihre Schwelle nie selbst fest |
| Von den Angaben ausgeschlossen | Von MalwareBazaar abgeleitete und anderweitig nicht verifizierte Positiv-Labels |
| Konfidenz | Wilson-95-%-Intervalle zusammen mit aggregierten Metriken |
Das aktuelle Artefakt weist aus:
| Metrik | Ergebnis | 95-%-Wilson-Intervall |
|---|---|---|
| Accuracy | 99.89% (2,715 / 2,718) | 99.68–99.96% |
| Precision | 99.74% | 99.24–99.91% |
| Recall | 100% (1,150 / 1,150) | 99.67–100% |
| F1 | 99.87% | — |
| ROC-AUC | 99.90% | — |
| False-Positive-Rate | 0.191% (3 / 1,568) | 0.065–0.561% |
Die Konfusionsmatrix lautet TN=1,565, FP=3, FN=0, TP=1,150. Die maßgeblichen Ergebnisse finden sich in artifacts/metrics.json; diese Datei enthält außerdem Fold-Zusammenfassungen pro Variante, Hashes der Datenquellen, Leakage-Prüfungen, die Modellprüfsumme und die exakte Konfiguration. Wenn eine Metrik in einem Lebenslauf, Paper oder einer Präsentation verwendet wird, geben Sie ihren Geltungsbereich als synthetische verschachtelte Leave-One-Variant-Out-Feature-Evaluierung an.
Die negativen Zeilen umfassen 686 von PyPI abgeleitete, 478 generierte Hard-Negative-, 400 generierte Small-Benign- und 4 von Office abgeleitete Feature-Zeilen. Negative Quellfamilien werden über die Folds verteilt und nicht als Familien zurückgehalten. Die Intervalle beschreiben die Unsicherheit auf Zeilenebene innerhalb dieses Benchmarks; sie schätzen weder die Bereitstellungsunsicherheit noch Domain-Shift. Die LightGBM-Ausgabe wird als unkalibrierter Score berichtet, nicht als Wahrscheinlichkeit. Die Schwellenwertstrategie ist ein Entwicklungs-Arbeitspunkt, der mit verschachtelten Folds evaluiert wird; frische gutartige Archive, die mit der aktuellen Version geparst werden, sind weiterhin erforderlich, bevor die gemessene False-Positive-Rate als Produktionsbeleg behandelt wird.
Warum synthetische Positivfälle verwenden? Öffentliche, unabhängig verifizierte Beispiele dieser eng umrissenen Umgehungstechnik sind rar. Die Generierung macht jede strukturelle Mutation explizit und wiederholbar. Synthetische Leistung ist ein Beleg dafür, dass der Detektor diese Mutationen erkennt; sie ist kein Ersatz für einen unabhängig annotierten Realwelt-Benchmark.
Siehe Datenkarte und Modellkarte für Herkunft, Label-Semantik und Fehlermodi.
Installieren Sie die Kernabhängigkeiten und verifizieren Sie die eingecheckten Artefakte. Die zusätzlichen Generierungs- und Aktualisierungsschritte reproduzieren alle sicheren synthetischen Positivfälle und bestätigen, bevor neu trainiert wird, dass ihre eingecheckten Features weiterhin mit dem aktuellen Parser übereinstimmen:
python -m pip install -e .
python -m zombieguard.evaluate --check
python data/scripts/generate_zombie_samples.py
python scripts/refresh_synthetic_features.py
python -m zombieguard.evaluate --train --check
Das Training liest die eingecheckten Feature- und Label-Tabellen und schreibt:
src/zombieguard/assets/zombieguard_lgbm.txt — portables LightGBM-Modell;src/zombieguard/assets/zombieguard_lgbm.metadata.json — Schema- und Integritätsmetadaten;artifacts/metrics.json — maschinenlesbarer Evaluierungsbericht.Die kontinuierliche Integration führt Linting, Abhängigkeits- und statische Sicherheitsaudits, Byte-Kompilierung, Tests mit Abdeckung, Paket-Builds unter Python 3.11 und 3.12, Generator-Parser-Abgleich, Verifizierung eingecheckter Artefakte und einen isolierten Train-and-Check-Smoke-Test durch.
src/zombieguard/ installable scanner package and release assets
tests/ self-contained unit, adversarial, and CLI tests
data/processed/ committed feature table and labels
data/scripts/ safe synthetic-data builders
scripts/ dataset curation and audit helpers
artifacts/metrics.json reproducible release metrics
docs/ data and model cards
Rohe Malware, heruntergeladene Korpora, Anmeldedaten und lokal trainierte Wegwerfmodelle sind nicht Teil des Repositorys.
--max-size-mb aktiviert und fügen Sie in Produktionsumgebungen Speicher- und Zeitlimits auf Prozessebene hinzu.Lesen Sie CONTRIBUTING.md, bevor Sie den Parser, den Datensatz oder das Evaluierungsprotokoll ändern. Committen Sie keine Malware-Exemplare, API-Anmeldedaten oder Benchmark-Angaben ohne ein reproduzierbares Artefakt.
Für einen Schwachstellen- oder Parser-Bypass-Bericht folgen Sie SECURITY.md. Bitte hängen Sie keine echten Malware-Exemplare an ein öffentliches Issue an.
Lizenziert unter der Apache License 2.0.