Estudo mapeia trade-off entre eficacia e detectabilidade na escolha de valores de gatilho para backdoors clean-label em classificadores de malware
Pesquisadores estudam, de forma isolada, como o valor atribuido a uma caracteristica-gatilho (nao apenas quais caracteristicas escolher) afeta ataques de backdoor clean-label contra classificadores de malware baseados em features, usando os datasets EMBER 2018 e um subconjunto Win64 PE do EMBER 2024 com modelos LightGBM. Seletores agressivos como MinPopulation e CountAbsSHAP alcancam alta taxa de sucesso de ataque, especialmente sob amostragem similar a distribuicao real de malware, mas sao mais faceis de detectar por sanitizacao como Isolation Forest; seletores como CorrCountAbsSHAP e Quantile95 reduzem a chance de deteccao mantendo eficacia util.
Fonte ↗