Angreifer haben gelernt, Machine-Learning-Malware-Detektoren mit kleinen, aber cleveren Codeänderungen auszutricksen, und Forscher sagen, dass sie möglicherweise endlich eine Antwort gefunden haben. In einer neuen Arbeit beschreiben Akademiker von Inria und dem CISPA Helmholtz-Zentrum für Informationssicherheit ein Framework, das diesen Arten von Ausweichversuchen standhalten kann. Ihre Arbeit konzentriert sich auf gegnerische Beispiele bei der Malware-Erkennung, bei denen Angreifer Software so verändern, dass ihre Funktion erhalten bleibt, das Modell aber verwirren ...