Траектория непрерывного обучения как память для консолидации без повторного воспроизведения при анализе вредоносного кода

[!NOTE] Это официальная реализация статьи Continual Learning Trajectory as Memory for Replay-Free Consolidation in Malicious Code Analysis.

Конвейер FreeMOCA

FreeMOCA работает следующим образом:

1. Задачи поступают последовательно, каждая вводит новые семейства вредоносного ПО.
2. Модель для каждой задачи инициализируется из предыдущей задачи (warm-start), чтобы согласовать минимумы задач в пространстве параметров.
3. После обучения вычисляется интерполяция на основе связности режимов между текущим и предыдущим оптимумами задачи. Этот процесс может использовать адаптивную послойную интерполяцию на основе величины обновления параметров.
4. Интерполированная модель заменяет текущую модель и используется для следующей задачи.
5. Прошлые данные, признаки или сгенерированные образцы не сохраняются, что обеспечивает непрерывное обучение без памяти.

Весь процесс строит цепочку связанных решений, лежащих на многообразии с низкими потерями, что значительно снижает катастрофическое забывание.

Наборы данных

FreeMOCA оценивалась на двух крупномасштабных наборах данных вредоносного ПО: EMBER и Androzoo. Источники наборов данных:

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

Скачайте и настройте набор данных в следующем каталоге:

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
    └── ...

Запуск FreeMOCA

Этот репозиторий поддерживает два сценария непрерывного обучения:

• Классово-инкрементальное обучение (Class-IL): новые классы (семейства вредоносного ПО) вводятся по мере выполнения задач.
• Доменно-инкрементальное обучение (Domain-IL): пространство меток фиксировано, но распределение данных смещается во времени (например, по месяцам/годам).

Шаг 1. Установка

Выполните следующую команду для

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

Шаг 2. Запуск FreeMOCA (Class-IL и 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

Для более подробной настройки гиперпараметров см. Приложение A. Общие аргументы для FreeMOCA.

Приложение A. Общие аргументы для FreeMOCA

Для настройки гиперпараметров или экспериментальных параметров используйте следующие аргументы:

Аргумент	Описание
--init_classes	Количество классов в задаче 0
--epochs	Количество эпох на задачу
--batchsize	Размер батча
--lr	Скорость обучения
--momentum	Момент SGD
--weight_decay	Затухание весов
--lambda_min	Минимальный вес интерполяции
--lambda_max	Максимальный вес интерполяции

Чтобы изменить настройки аргументов по умолчанию, проверьте файл arguments.py.

Базовые методы

Наш репозиторий поддерживает эксперименты со следующими стандартными базовыми методами:

• None: обучение только на текущей задаче (нижняя граница)
• Joint: обучение на всех данных, увиденных на данный момент (верхняя граница, непрактично)

Вы можете запустить их следующей командой:

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

а также следующие предыдущие работы:

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

Вы можете запустить базовые методы следующей командой:

# 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