डीप रीइन्फोर्समेंट लर्निंग और GANs का उपयोग करके मैलवेयर म्यूटेशन

इस उपकरण का उद्देश्य AI-संचालित क्लासिफ़ायर को बायपास करने के लिए मैलवेयर (केवल PE32) नमूने को कृत्रिम बुद्धिमत्ता का उपयोग करके म्यूटेट करना है, जबकि इसकी कार्यक्षमता बरकरार रखी जाती है। अतीत में, इस क्षेत्र में उल्लेखनीय कार्य किया गया है, जिसमें शोधकर्ताओं ने या तो रीइन्फोर्समेंट लर्निंग या जनरेटिव एडवर्सेरियल नेटवर्क्स को एंटी-वायरस एजेंटों को धोखा देने के लिए मैलवेयर एक्ज़ीक्यूटेबल की स्थितियों को संशोधित करने के अपने हथियार के रूप में चुना है। हमारा समाधान इन दृष्टिकोणों का उपयोग करते समय सामना की जाने वाली कुछ सीमाओं को दूर करने के लिए डीप रीइन्फोर्समेंट लर्निंग और GANs के संयोजन का उपयोग करता है, जैसा कि नीचे दिखाया गया है।

उपकरण के लिए हमारा पूर्ण दस्तावेज़ यहाँ देखें

स्थापना निर्देश

⚠️ चूंकि यह उपकरण मैलवेयर फ़ाइलों से संबंधित है, इसलिए वर्चुअल मशीन का उपयोग करने की दृढ़ता से अनुशंसा की जाती है। उपकरण स्थापित करने के बाद, नेटवर्क से डिस्कनेक्ट करना सुनिश्चित करें।

निम्नलिखित चरण आपको वातावरण सेट अप करने के लिए आवश्यक सभी स्थापनाओं के माध्यम से मार्गदर्शन करेंगे।

1. Python 3.6 स्थापित और सेट अप करें।

2. रिपॉजिटरी को क्लोन करें।

   root@kitploit:~

   git clone https://github.com/CyberForce/Pesidious
   

3. प्रोजेक्ट निर्देशिका में जाएँ।

   root@kitploit:~

   cd Pesidious
   

4. Python 3.6 के साथ एक वर्चुअल एनवायरनमेंट सेट अप और सक्रिय करें।

   विभिन्न अनुप्रयोगों द्वारा उपयोग किए जाने वाले पैकेजों के बीच टकराव से बचने के लिए वर्चुअल एनवायरनमेंट का उपयोग करने की अनुशंसा की जाती है।

5. सुनिश्चित करें कि आपने pip 8.1.1 स्थापित और सेट अप किया है।

   ऐसा इसलिए है क्योंकि pip के बाद के संस्करण PyTorch लाइब्रेरी के साथ ठीक से काम नहीं करते हैं।

   root@kitploit:~

   pip install pip==8.1.1
   

6. requirements.txt फ़ाइल को स्थापित करके सभी आवश्यक लाइब्रेरी स्थापित करें।

   root@kitploit:~

   pip install -r pip_requirements/requirements.txt
   

अपने मैलवेयर को म्यूटेट करें

GAN से आउटपुट पहले से ही (RL_Features/adverarial_imports_set.pk और RL_Features/adverarial_sections_set.pk) के रूप में संग्रहीत किया गया है, जिसका उपयोग म्यूटेशन के लिए मैलवेयर में इम्पोर्ट और सेक्शन जोड़ते समय किया जाएगा।

1. आप मैलवेयर फ़ाइलों को स्कोर करने के लिए नमूना क्लासिफ़ायर का परीक्षण कर सकते हैं।

   root@kitploit:~

   python classifier.py -d /path/to/directory/with/malware/files
   

2. अपने मैलवेयर नमूनों को म्यूटेट करने के लिए mutate.py python स्क्रिप्ट चलाएँ।

   root@kitploit:~

   python mutate.py -d /path/to/directory/with/malware/files
   

3. म्यूटेट की गई मैलवेयर फ़ाइलें Mutated_malware नामक निर्देशिका में निम्नलिखित प्रारूप में संग्रहीत की जाएंगी।

   root@kitploit:~

   Mutated_malware/mutated_<name-of-the-file>
   

4. एक बार मैलवेयर फ़ाइलें म्यूटेट हो जाने के बाद, आप म्यूटेट किए गए मैलवेयर को स्कोर करने के लिए क्लासिफ़ायर फिर से चला सकते हैं।

   root@kitploit:~

   python classifier.py -d Mutated_malware/
   

ज्ञात समस्याएँ और समाधान

⚠️ चेतावनी: यह खंड वर्तमान में निर्माणाधीन है। हुई किसी भी असुविधा के लिए हम क्षमा चाहते हैं। कृपया अगले खंड पर जाएँ। यहाँ क्लिक करें

1. pip install -r requirements.txt आपको एक त्रुटि देता है।

   समाधान:

   root@kitploit:~

   pip install tqdm
   pip install sklearn
   pip install lief
   

2. python main_malgan.py स्क्रिप्ट चलाते समय ModuleNotFoundError: No module named 'tensorboardX' त्रुटि।

   समाधान:

   root@kitploit:~

   pip install tensorboardX
   

3. import-append, section-append (नहीं मिला) के निष्पादन में त्रुटि

   समाधान: अपने टर्मिनल पर निम्नलिखित कमांड का उपयोग करके इन एक्ज़ीक्यूटेबल्स को निष्पादन अनुमति दें।

   root@kitploit:~

   cd portable-executable/
   chmod 777 project-add-sections/bin/Debug/project-append-section
   chmod 777 project-add-imports/bin/Debug/project-append-imports
   
   

निर्माण में उपयोग किया गया

• PyTorch - Torch लाइब्रेरी पर आधारित ओपन सोर्स मशीन लर्निंग लाइब्रेरी।
• Lief - एक क्रॉस-प्लेटफ़ॉर्म लाइब्रेरी जो ELF, PE और MachO प्रारूपों को पार्स, संशोधित और एब्सट्रैक्ट कर सकती है।
• PE Bliss - PE फ़ाइलों के पुनर्निर्माण के लिए PE लाइब्रेरी, C++ में लिखी गई।
• Gym-Malware - OpenAI के gym के लिए मैलवेयर हेरफेर वातावरण।
• MalwareGAN - GANs का उपयोग करके एडवर्सेरियल मैलवेयर जनरेशन।

लेखक

• चंदनी वाया - X-Force इंसिडेंट रिस्पॉन्स, IBM Security - Github
• बेदांग सेन - X-Force इंसिडेंट रिस्पॉन्स, IBM Security - Github

आभार

• Gym-Malware वातावरण: https://github.com/endgameinc/gym-malware। वातावरण को GAN जोड़ने के लिए संशोधित किया गया था और मैलवेयर की चोरी-छिपाने की क्षमता में सुधार और कार्यक्षमता बनाए रखने के लिए म्यूटेशन को जोड़ा/बदला/हटाया गया था।
• Yanming Lai (https://github.com/yanminglai/Malware-GAN) और
• Zayd Hammoudeh (https://github.com/ZaydH/MalwareGAN) का Han और Tan के MalGAN पर कार्यान्वयन ने आर्किटेक्चर की हमारी समझ में महत्वपूर्ण भूमिका निभाई। इस परियोजना में उपयोग किए गए MalGAN के अधिकांश कार्यान्वयन को Hammoudeh के काम से फोर्क किया गया है।

संदर्भ

Anderson, H., Kharkar, A., Filar, B., Evans, D. and Roth, P. (2018). Learning to Evade Static PE Machine Learning Malware Models via Reinforcement Learning. [online] arXiv.org. Available at: https://arxiv.org/abs/1801.08917.

Docs.microsoft.com. (n.d.). PE Format - Windows applications. [online] Available at: https://docs.microsoft.com/en-us/windows/win32/debug/pe-format#general-concepts.

Fang, Z., Wang, J., Li, B., Wu, S., Zhou, Y. and Huang, H. (2019). Evading Anti-Malware Engines With Deep Reinforcement Learning. [online] Ieeexplore.ieee.org. Available at: https://ieeexplore.ieee.org/abstract/document/8676031 [Accessed 25 Aug. 2019]. https://resources.infosecinstitute.com. (2019).

Malware Researcher’s Handbook (Demystifying PE File). [online] Available at: https://resources.infosecinstitute.com/2-malware-researchers-handbook-demystifying-pe-file/#gref.

Hu, W. and Tan, Y. (2018). Generating Adversarial Malware Examples for Black-Box Attacks Based on GAN. [online] arXiv.org. Available at: https://arxiv.org/abs/1702.05983.