0x01 太长不看版
ML技术可以被用来做botnet入侵检测而且效果海星。但是现在可以用对抗性ML构造特定样本来逃脱检测，因为ML模型对扰动很敏感…
这个工作提出来一个基于DRL的通用框架，通过往样本里加扰动来欺骗入侵检测系统IDS。整个过程中，IDS被攻击者当成一个黑盒模型来日，agent会根据feedback（是否被IDS识别）和动作序列a（更改包的时空特征）来更新他扔给黑盒的样本。这么做的结果是黑盒的漏检率大大提高了。
0x02 intro
虽然ML做入侵检测效果很好，但是还是需要模型能预测对手将干什么事情。一般来说，攻击者可能会污染训练集或者搞一些对抗样本。
搞对抗样本的做法是在里面注入一些随机扰动。但是，对抗样本需要保持可用性，即不能乱改数据包，否则可能直接到不了目标主机。
模型设定：
IDS是个黑盒；攻击者只能知道自己发的数据包是否被识别；防御者不会标注入侵变量训练自己。
主要贡献：
提出一个攻击的框架。日穿了决策树和CNN。
0x03 一些背景知识
攻击可以分为三类：基于锑度、基于得分、基于决策。
- 基于梯度：模型结构和参数为攻击者所知。则攻击者利用梯度来攻击模型。常见的例如李宏毅机器学习中的“模型攻防”相关内容和GAN。
这个防御也简单，可以把梯度掩盖掉，比如加入不可微的分类器。 - 基于得分：攻击者不知道面对的模型，但是可以通过发包探测来为自己的动作打分。
防御方法是添加随机元素阻碍梯度的数值估算。 - 基于决策：攻击者完全不知道模型啥样，只知道自己发的包被判别为好/坏。
0x04 架构设计
使用技术：DQN
框架结构
使用openAI gym构建上述框架。使用keras-rl构建agent
- （单步）收益：每一次agent发送的包是不是被检测出来了，未检出收益为R=10，检出为R=0
- 观测：对当前数据流采样所形成的特征向量
- Done：0-1变量，标识当前步骤是否完成。
状态空间
botnet发的东西在环境中以比特流的形式存在。使用auto-encoder对流做降维。
在将流放入auto-encoder之前，流被整理成为1024B长度，转化为32*32的灰度图。不够长的话则补0x00。
随后使用卷积auto-encoder，将图像降维成32维特征向量。
动作空间
agent会对流做改动。这些改动不会更改原始功能，也不会破坏流文件格式：
- 修改时间戳（±0.3ms）
- 修改数据包长度并随机补0
- 追加4比特的0
- 追加4比特随机字符
- 追加一个良性数据包
上述动作可能会对样本产生干扰，并且在实践中大多数都是随机的。 例如，附加数据包时，新数据包将自动生成，或从良性流中找到的数据包列表中进行选择。
此后进行网络训练，实验结果部分略。
0x05 原文标题
Evading Machine Learning Botnet Detection Models
via Deep Reinforcement Learning