【论文阅读】Automatically Evading Classififiers——A Case Study on PDF Malware Classififiers
时间：2016
作者：Weilin Xu, Yanjun Qi, and David Evans 弗吉尼亚大学
会议：NDSS
总结：
白盒黑盒？
黑盒攻击，需要知道生成样本在目标模型中的输出（分类分数）和目标模型所使用的特征（粗略知道）；
针对什么目标？
仅仅使用表层特征的分类器；
攻击方法？
3.1 如何制造对抗样本？
使用遗传算法（GP-BASED）进行随机扰动
3.2 如何判别对抗样本的恶意能力？
使用oracle
Abstract:
在本文，我们提出了一个一般化的方法来检验分类器的鲁棒性，通过在两个PDF恶意样本分类器，PDFrate和Hidost上来检验。其关键就是随机控制一个恶意样本来找到一个对抗样本。
我们的方法可以自动地对500个恶意样本种子中找到对于两个PDF分类器的对抗样本，我们的结果提出了一个严重的疑问，基于表面特征的分类器在面对对抗样本时是否还有效？
1. Introduction:
主要贡献：
1. 提出了一个一般化的方法用于自动寻找分类器的对抗样本；
2. 制作了一个原型系统用于自动生成对抗样本；
3. 我们的系统在对500个恶意样本种子寻找对抗样本的过程中，达到了100%的准确率。
2. Overview：
2.1 Finding Evasive Samples：
整体思路：
oracle用于判断一个样本是否具有恶意行为；
3. PDF Malware and Classifiers
3.1 PDFmalware:
PDF文件的整体结构：
早些的PDF恶意样本一般使用JavaScript嵌入，用户双击打开时出发执行恶意脚本。
因为不是所有的PDF恶意样本都是嵌入了JavaScript代码，最近的一些PDF恶意分类器就着重于PDF文件的结构化特征。在本文，我们的目标就是攻击这些有代表性的基于文件结构化特征的分类器。
3.2 Target Classififiers：
PDFrate：一个使用随机森林算法的分类器。
Hidost:一个SVM分类器。
4. Evading PDF Malware Classifiers：
5. Experiment:
5.1 Dataset:
5.2 Test：
