IQSeC-Lab/MADAR

# MADAR：基于分布感知重放的高效恶意软件分析持续学习 #### 已被 2025 年信息安全应用机器学习大会 (CAMLIS) 接收。 [阅读论文](https://proceedings.mlr.press/v299/rahman25a.html) #### 引用格式 ``` @inproceedings{madar, title={{MADAR}: Efficient Continual Learning for Malware Analysis with Distribution-Aware Replay}, author={Rahman, Mohammad Saidur and Coull, Scott and Yu, Qi and Wright, Matthew}, booktitle={Conference on Applied Machine Learning in Information Security (CAMLIS) }, year={2025}, publisher={Proceedings of Machine Learning Research (PMLR)} } ``` ## 依赖项与所需安装包 请确保您已准备好并安装了所有依赖项。 - NVIDIA GPU - CentOS Linux 7/Ubuntu 22.04 - Python3-venv/ conda - CUDA 版本：12.2 - Python 版本：3.10+ -- 请使用以下命令安装所需的安装包： `pip install -r requirements.txt` 我们建议用户创建一个 `python virtual environment` 或 `conda environment` 并安装所需的安装包。 ``` conda create -n MADAR python=3.10 conda activate MADAR conda install numpy=1.25.2 conda install pytorch=2.12.1 torchvision=0.27.1 pytorch-cuda=12.4 -c pytorch -c nvidia ``` 或者，您也可以使用我们在实验中所用的完全相同的 `conda environment`。 1. 从 environment.yml 文件创建环境： ``conda env create -f environment.yml`` 2. 激活新环境：``conda activate MADAR`` 3. 验证新环境是否安装正确：``conda env list`` ## 数据集 ### EMBER-Domain 和 AZ-Domain 数据集已在 [HugginfFace](https://doi.org/10.57967/hf/5859) 上共享。 ### EMBER 对于 EMBER 实验，我们使用了由 Rahman 等人 [1] 提供的数据集。 ### AZ 我们收集的 AZ 数据集可以从 ``AZ_Datasets`` 目录下载。该目录包含两个数据集。 - `AZ_Domain.tar.bz2` 在论文中作为 AZ Domain-IL 实验的 AZ-Domain 数据集。 - `AZ_Family.tar.bz2` 在论文中作为 AZ Class-IL 和 AZ Task-IL 实验的 AZ-Class 数据集。 请注意，这些数据集是作为 ``.apk`` 文件从 AndroZoo 仓库 [2] 收集的。然后从 ``.apk`` 文件中提取 Drebin [3] 特征。最后，使用 ``standard scaler`` 对特征进行标准化处理，这些最终数据集用于运行论文中的所有实验。 ## 基于重放的持续学习 ## 基于 Isolation Forest 的采样 (IFS) ## 基于异常权重的采样 (AWS) ## EMBER 实验