Apr, 2023

SHIELD: 阻止代码署名归属

PDF
TL;DR本文介绍了 SHIELD，对六种当前最先进的作者归属方法进行攻击后的实验，通过在 Google Code Jam 竞赛中利用 200 个编程者数据集，从非有目标攻击和有目标攻击两个方向对不同的代码归属提取技术进行了实验，发现现有的作者归属方法对抗攻击的脆弱性，并对攻击成功率和身份识别信任度的影响进行了分析。
authorship attributionshieldadversarial attackscode perturbationidentification confidence
发现论文，激发创造
  • 使用对抗学习进行源代码的误导性作者归属

    本文介绍了一种针对源代码作者归属的新型攻击方法，通过一系列基于蒙特卡洛树的语义保持的代码转换，可以误导基于机器学习的代码归属分析，并对两种最新的归属方法的准确率造成了巨大的影响，表明当前的代码作者归属方法不适用于实际应用，需要更加强大的技术。

    May, 2019

  • 复仇者联盟！提高作者混淆的可迁移性

    本文研究了基于样式测量方法的作者归属问题，提出了一种基于集成学习的自动化作者混淆方法，并证明它的迁移性更佳。

    Sep, 2021

  • 一个女孩有一个名字，它是... 对抗性作者归属破解

    对作者省略的问题提出了对抗性威胁的解决方案，该方案通过对抗式训练，在考虑到对抗训练的情况下提高了作者认证方法的鲁棒性。

    Mar, 2022

  • 一个女孩有一个名字：检测作者身份的混淆

    评估了最先进的作者混淆方法的隐蔽性，并发现它们缺乏隐蔽性，因为它们以可检测的方式降低了文本平滑度。这凸显了开发更能保护寻求匿名性作者身份的隐蔽作者混淆方法的必要性。

    May, 2020

  • RoPGen：通过自动编码风格转换实现鲁棒的代码作者归属

    这篇论文提出了一种基于深度学习的代码作者归属度量的新框架 RoPGen，该框架结合了数据增强和梯度增强在对抗训练阶段，在四个 C、C++、Java 编写的程序数据集上进行测试，并显著提高了 DL-based 代码作者归属度量的鲁棒性。

    Feb, 2022

  • 不同威胁模型下 SHIELD 的效能

    本文评估用于对抗敌对攻击的压缩式防御框架 SHIELD 的效力，并在原有工作的基础上考虑了替代威胁模型，提出了具有不同危险程度的情况，并通过实验结果得出了在白盒和灰盒情景下训练模型的相关性与承受目标攻击成功率的相关性，证明了从零开始训练模型的更强鲁棒性。

    Feb, 2019

  • 源代码归属作者辨识：一种语言不可知的方法及其在软件工程中的适用性

    介绍了一种新的语言无关的源代码作者归属方法，并提出了一种更好地反映软件工程潜在实际应用方面的数据收集方法，指出现有合成数据集在现实数据上的验证精度下降很多，提出了下一步设计和评估作者归属模型的方向。

    Jan, 2020

  • SHIELD: 用随机多专家修补程序防御文本神经网络遭受多种黑盒对抗攻击

    提出一种名为 SHIELD 的算法，将文本神经网络的最后一层进行修改和重新训练，形成一种加权多专家预测头的随机加权集合，从而混淆攻击者并进一步提高模型准确率。

    Nov, 2020

  • AuthAttLyzer-V2: 通过增强集成学习模型揭示代码创作归属性和生成基准数据集

    这篇论文介绍了 AuthAttLyzer-V2，它是一种新的源代码特征提取器，用于源代码作者归属的确定，重点关注词法、语义、句法和 N-gram 特征。论文通过对来自 3,000 个作者的 24,000 个源代码样本进行研究，结合 Random Forest、Gradient Boosting 和 XGBoost 模型来识别个体编码样式，提供了有关代码作者独特属性的洞察。对于恶意软件分类来说，这种方法对于理解和解释作者归属中的复杂模式至关重要。

    Jun, 2024

  • 抵御作者身份识别攻击

    作者身份辨识的有效性为人所知，在未签名的文档中推断出作者的身份，即使敏感个人信息已被小心地省略。在数字时代，个人通过其书面内容留下持久的数字足迹，无论是在社交媒体上发布，存储在雇主的计算机上，还是其他地方。当个人需要公开交流但希望保持匿名时，几乎没有什么可以保护他们免受不必要的作者身份辨识的工具。该论文综述了过去二十多年来关于规避作者身份辨识攻击的研究的进展，重点介绍了修改和生成为基础的策略，着重强调了差分隐私社区的共同努力。讨论了当前研究的局限性，并聚焦于开放性挑战和潜在的研究方向。

    Oct, 2023