FreeMOCA: Apprendimento Continuo Senza Memoria per l'Analisi di Codice Maligno

Zahra Asadi*, Haeseung Jeon*, Sohyun Han, Md Mahmuduzzaman Kamol, Se Eun Oh, Mohammad Saidur Rahman†

*Autori con pari contributo. †Autore corrispondente.

[!NOTE] Questa è l'implementazione ufficiale dell'articolo FreeMOCA: Memory-Free Continual Learning for Malicious Code Analysis.

Pipeline di FreeMOCA

FreeMOCA opera nel seguente processo:

I task arrivano in sequenza, ciascuno introduce nuove famiglie di malware.
Il modello per ogni task viene inizializzato dal task precedente (warm-start) per allineare i minimi dei task nello spazio dei parametri.
Dopo l'addestramento, viene calcolata un'interpolazione basata sulla connettività delle modalità (mode connectivity) tra gli ottimi del task corrente e di quello precedente. Questo processo può utilizzare un'interpolazione adattiva layer-wise basata sull'entità degli aggiornamenti dei parametri.
Il modello interpolato sostituisce il modello corrente e viene utilizzato per il task successivo.
Nessun dato passato, caratteristica o campione generato viene memorizzato, ottenendo così un apprendimento continuo senza memoria.

L'intero processo costruisce una catena di soluzioni connesse che giacciono su una varietà a bassa perdita (low-loss manifold), riducendo significativamente l'oblio catastrofico.

Dataset

FreeMOCA è stato valutato con due dataset di malware su larga scala, EMBER e Androzoo. Fonti dei dataset:

EMBER: https://github.com/elastic/ember
Androzoo (AZ): https://zenodo.org/records/14537891

Scarica e configura il dataset nella seguente directory:

FreeMOCA/data/
├── AZ_Class
│   ├── AZ_Class_Test.npz
│   └── AZ_Class_Train.npz
│
├── AZ_Domain
│   ├── 2008_Domain_AZ_Test_Transfo...
│   ├── 2008_Domain_AZ_Train_Transfo...
│   ├── 2009_Domain_AZ_Test_Transfo...
│   └── ...
│
├── EMBER_Class
│   ├── XY_test.npz
│   └── XY_train.npz
│
└── EMBER_Domain
    ├── 2018-01
    ├── 2018-02
    ├── 2018-03
    └── ...

Eseguire FreeMOCA

Questa repository supporta due scenari di apprendimento continuo:

Class-Incremental Learning (Class-IL): nuove classi (famiglie di malware) vengono introdotte nel corso dei task.
Domain-Incremental Learning (Domain-IL): lo spazio delle etichette è fisso, ma la distribuzione dei dati cambia nel tempo (es. mesi/anni).

Passo 1. Installazione

Esegui il seguente comando per la

conda create -n freemoca python=3.9
conda activate freemoca
pip install -r requirements.txt

Passo 2. Eseguire FreeMOCA (Class-IL & Domain-IL)

# EMBER Class-IL
cd ./FreeMOCA_Class/EMBER_Class
CUDA_VISIBLE_DEVICES=0 python main.py --train_data /path/to/data --test_data /path/to/data

# AZ Class-IL
cd ./FreeMOCA_Class/AZ_Class
CUDA_VISIBLE_DEVICES=0 python main.py --train_data /path/to/data --test_data /path/to/data

# EMBER Domain-IL
cd ./FreeMOCA_Domain/EMBER_Domain
CUDA_VISIBLE_DEVICES=0 python main.py --data_root /path/to/data/directory

# AZ Domain-IL
cd ./FreeMOCA_Domain/AZ_Domain
CUDA_VISIBLE_DEVICES=0 python main.py --data_root /path/to/data/directory

Per una configurazione più dettagliata degli iperparametri, consulta Appendice A. Argomenti Comuni per FreeMOCA.

Appendice A. Argomenti Comuni per FreeMOCA

Per regolare gli iperparametri o le impostazioni sperimentali, utilizza i seguenti argomenti:

Per modificare le impostazioni predefinite degli argomenti, controlla il file arguments.py.

Baselines

La nostra repository supporta esperimenti con le seguenti baselines standard:

None: Addestra solo sul task corrente (limite inferiore)
Joint: Addestra su tutti i dati visti finora (limite superiore, non praticabile)

Puoi eseguirle con il seguente comando:

cd /path/to/experiment/directory
CUDA_VISIBLE_DEVICES=0 python none.py --arugment_you_want
CUDA_VISIBLE_DEVICES=0 python joint.py --arugment_you_want

e i seguenti lavori precedenti:

CLeWI: Modificato da questa repository GitHub, lavoro da "Continual Learning with Weight Interpolation."
WSC: Modificato da questa repository GitHub, lavoro da "Forget Forgetting: Continual Learning in a World of Abundant Memory."
Generative Replay (GR): Modificato da questa repository GitHub, lavoro da "Continual learning with deep generative replay."
EWC: Modificato da questa repository GitHub, lavoro da "Overcoming catastrophic forgetting in neural networks."
LwF: Modificato da questa repository GitHub, lavoro da "Learning without Forgetting."
iCaRL: Modificato da questa repository GitHub, lavoro da "iCaRL: Incremental Classifier and Representation Learning."
TAMiL: Modificato da questa repository GitHub, lavoro da "Task-Aware Information Routing from Common Representation Space in Lifelong Learning."
MalCL: Modificato da questa repository GitHub, lavoro da "MalCL: Leveraging GAN-Based Generative Replay to Combat Catastrophic Forgetting in Malware Classification."

Puoi eseguire le baselines con il seguente comando:

# CLeWI for EMBER-Class
cd ./baselines/CLeWI
CUDA_VISIBLE_DEVICES=6 python main.py --model="clewi" \
  --dataset="seq_ember" --n_tasks=11 \
  --lr=0.001 --buffer_size=500 --n_epochs=50 \
  --seed=42 --optim_wd=0.0 --optim_mom=0.0 \
  --batch_size=512 --sub_dataset="ember"

# CLeWI for AZ-Class
cd ./baselines/CLeWI
CUDA_VISIBLE_DEVICES=6 python main.py --model="clewi" \
  --dataset="seq_ember" --n_tasks=11 \
  --lr=0.001 --buffer_size=500 --n_epochs=50 \
  --seed=42 --optim_wd=0.0 --optim_mom=0.0 \
  --batch_size=512 --sub_dataset="az"

# WSC for EMBER-Class
cd ./baselines/WSC
MODEL_NAME=wsc_20_ember
python main.py --config=./exps/wsc_memory/$MODEL_NAME.json

# WSC for AZ-Class
cd ./baselines/WSC
MODEL_NAME=wsc_20_az
python main.py --config=./exps/wsc_memory/$MODEL_NAME.json

# GR for EMBER-Class
cd ./baselines/GR_EWC_LwF_iCaRL_EMBER
CUDA_VISIBLE_DEVICES=0 python main.py --data_set=EMBER --tasks=11 --replay=generative --metrics --logger_file gr --scenario=class

# GR for AZ-Class
cd ./baselines/GR_EWC_LwF_iCaRL_AZ
CUDA_VISIBLE_DEVICES=0 python main.py --data_set=ANDROZOO --tasks=11 --replay=generative --metrics --logger_file gr --scenario=class

# EWC for EMBER-Class
cd ./baselines/GR_EWC_LwF_iCaRL_EMBER
CUDA_VISIBLE_DEVICES=0 python main.py --data_set=EMBER --tasks=11 --ewc --lambda=50 --metrics --logger_file ewc --scenario=class

# EWC for AZ-Class
cd ./baselines/GR_EWC_LwF_iCaRL_AZ
CUDA_VISIBLE_DEVICES=0 python main.py --data_set=ANDROZOO --tasks=11 --ewc --lambda=50 --metrics --logger_file ewc --scenario=class

# LwF for EMBER-Class
cd ./baselines/GR_EWC_LwF_iCaRL_EMBER
CUDA_VISIBLE_DEVICES=0 python main.py --data_set=EMBER  --tasks=11 --replay=current --distill --metrics --logger_file lwf --scenario=class

# LwF for AZ-Class
cd ./baselines/GR_EWC_LwF_iCaRL_AZ
CUDA_VISIBLE_DEVICES=0 python main.py --data_set=AZ  --tasks=11 --replay=current --distill --metrics --logger_file lwf --scenario=class

# iCaRL for EMBER-Class
cd ./baselines/GR_EWC_LwF_iCaRL_EMBER
CUDA_VISIBLE_DEVICES=1 python main.py --data_set=EMBER --tasks=11 --icarl --budget=2000 --metrics --logger_file=icarl --scenario=class

# iCaRL for AZ-Class
cd ./baselines/GR_EWC_LwF_iCaRL_AZ
CUDA_VISIBLE_DEVICES=0 python main.py --data_set=ANDROZOO --tasks=11 --icarl --budget=2000 --metrics --logger_file=icarl --scenario=class

# TAMiL for EMBER-Class
cd ./baselines/TAMiL_EMBER
CUDA_VISIBLE_DEVICES=0 python main.py

# TAMiL for AZ-Class
cd ./baselines/TAMiL_AZ
CUDA_VISIBLE_DEVICES=0 python main.py

# MalCL for EMBER-Class
cd ./baselines/MalCL_EMBER
CUDA_VISIBLE_DEVICES=0 python main.py --train_data /path/to/data --test_data /path/to/data

# MalCL for AZ-Class
cd ./baselines/AZ_EMBER
CUDA_VISIBLE_DEVICES=0 python main.py --train_data /path/to/data --test_data /path/to/data

`--init_classes`	Numero di classi al task 0
`--epochs`	Epoche per task
`--batchsize`	Dimensione del batch
`--lr`	Learning rate
`--momentum`	Momento SGD
`--weight_decay`	Decadimento del peso
`--lambda_min`	Peso minimo di interpolazione
`--lambda_max`	Peso massimo di interpolazione

FreeMOCA

Più Popolari