Khóa Luận Tốt Nghiệp: Nghiên Cứu Phương Pháp Phát Sinh Mã Độc Trên Android

Khóa luận tốt nghiệp an toàn thông tin nghiên cứu phương pháp phát sinh mã độc Android sử dụng mạng sinh đối kháng, đánh giá hiệu quả và rủi ro.

• Tác giả: Đoàn Minh Trung
• Người hướng dẫn: TS. Nguyễn Tấn Cẩm
• Trường học: Đại học Quốc Gia Thành phố Hồ Chí Minh - Trường Đại học Công nghệ Thông tin
• Chuyên ngành: An toàn thông tin
• Đề tài: Phương Pháp Phát Sinh Mã Độc Android Qua Mạng Sinh Đối Kháng
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TONG QUAN
• 1.1. Giới thiệu bài toán
• 1.2. Mục tiêu, đối tượng va phạm vi nghiên cứu
• 1.3. Cau trúc Khóa luận tốt nghiệp
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYET
• 2.1. Các nghiên cứu liên quan
• 2.2. Tập tin cài đặt Úng dụng Android
• 2.3. Mang sinh đối khang (Generative Adversarial Networks)
• 2.3.1. Giới thiệu tổng quan

Tóm tắt

I. Phương pháp phát sinh mã độc Android

Phương pháp phát sinh mã độc Android là một chủ đề nghiên cứu quan trọng trong lĩnh vực an ninh mạng. Với sự phát triển của công nghệ mạng sinh đối kháng (GAN), việc tạo ra các mẫu mã độc mới có khả năng đánh lừa các hệ thống phát hiện truyền thống đã trở nên khả thi. Nghiên cứu này tập trung vào việc sử dụng GAN để tạo ra các biến thể mã độc Android, từ đó đánh giá hiệu quả của các thuật toán học máy trong việc phát hiện chúng. Mã độc Android được tạo ra thông qua GAN không chỉ giữ nguyên chức năng gốc mà còn có khả năng né tránh các hệ thống bảo mật hiện có.

1.1. Công nghệ mạng sinh đối kháng

Công nghệ mạng sinh đối kháng (GAN) là một phương pháp học sâu tiên tiến, được sử dụng để tạo ra dữ liệu mới dựa trên phân phối của dữ liệu huấn luyện. GAN bao gồm hai thành phần chính: Bộ sinh (Generator) và Bộ phân biệt (Discriminator). Bộ sinh có nhiệm vụ tạo ra dữ liệu giả, trong khi Bộ phân biệt phân biệt giữa dữ liệu thật và giả. Quá trình này tiếp diễn cho đến khi Bộ sinh tạo ra dữ liệu giả đủ chất lượng để đánh lừa Bộ phân biệt. Trong nghiên cứu này, GAN được áp dụng để tạo ra các biến thể mã độc Android, giúp đánh giá khả năng phát hiện của các hệ thống bảo mật.

1.2. Phát triển mã độc Android

Phát triển mã độc Android thông qua GAN là một quá trình phức tạp, yêu cầu sự hiểu biết sâu về cả mã độc và công nghệ học sâu. Các mẫu mã độc được tạo ra không chỉ cần giữ nguyên chức năng gốc mà còn phải có khả năng đánh lừa các hệ thống phát hiện dựa trên học máy. Nghiên cứu này đề xuất một hệ thống phát sinh mã độc Android dựa trên GAN, từ đó đánh giá hiệu quả của các thuật toán phân loại như Support Vector Machines (SVM), Random Forest (RF), và Convolutional Neural Networks (CNN) trong việc phát hiện các mẫu đối kháng này.

II. Bảo mật Android và thách thức

Bảo mật Android là một vấn đề cấp bách trong thời đại số, khi mà các thiết bị Android chiếm phần lớn thị phần di động toàn cầu. Tuy nhiên, với sự phát triển của mã độc Android, các hệ thống bảo mật truyền thống dựa trên chữ ký đã trở nên lỗi thời. Công nghệ đối kháng như GAN đã tạo ra các mẫu mã độc mới có khả năng đánh lừa các hệ thống phát hiện, đặt ra thách thức lớn cho các nhà nghiên cứu an ninh mạng. Nghiên cứu này nhằm mục đích giải quyết vấn đề này bằng cách đề xuất một hệ thống phát hiện mã độc Android dựa trên các thuật toán học máy tiên tiến.

2.1. Thách thức trong phát hiện mã độc

Thách thức trong phát hiện mã độc Android nằm ở khả năng của các mẫu mã độc mới được tạo ra bởi GAN để đánh lừa các hệ thống phát hiện dựa trên học máy. Các thuật toán truyền thống như SVM và RF thường gặp khó khăn trong việc phát hiện các mẫu đối kháng này. Nghiên cứu này đề xuất việc kết hợp cả phân tích tĩnh và phân tích động để nâng cao hiệu quả phát hiện mã độc. Phân tích tĩnh tập trung vào việc kiểm tra mã nguồn của ứng dụng, trong khi phân tích động giám sát hành vi của ứng dụng trong quá trình thực thi.

2.2. Ứng dụng mạng sinh đối kháng

Ứng dụng mạng sinh đối kháng (GAN) trong bảo mật Android đã mở ra một hướng nghiên cứu mới. GAN không chỉ được sử dụng để tạo ra các mẫu mã độc mới mà còn có thể được áp dụng để cải thiện hiệu quả của các hệ thống phát hiện mã độc. Bằng cách tạo ra các mẫu đối kháng, các nhà nghiên cứu có thể đánh giá và cải thiện khả năng phát hiện của các thuật toán học máy. Nghiên cứu này cũng đề xuất việc sử dụng GAN để tạo ra các tập dữ liệu mã độc mới, giúp các nhà nghiên cứu có thêm nguồn dữ liệu chất lượng cao cho các thí nghiệm của mình.

III. Phương pháp tạo mã độc và đánh giá

Phương pháp tạo mã độc Android thông qua GAN là một quá trình phức tạp, yêu cầu sự hiểu biết sâu về cả mã độc và công nghệ học sâu. Nghiên cứu này đề xuất một hệ thống phát sinh mã độc Android dựa trên GAN, từ đó đánh giá hiệu quả của các thuật toán phân loại như SVM, RF, và CNN trong việc phát hiện các mẫu đối kháng này. Kết quả thử nghiệm cho thấy hệ thống được đề xuất có khả năng vượt mặt nhiều mô hình thuật toán phân loại với độ chính xác cao.

3.1. Trích xuất đặc tính

Trích xuất đặc tính là một bước quan trọng trong quá trình phát hiện mã độc Android. Nghiên cứu này sử dụng kỹ thuật phân tích tĩnh để trích xuất các đặc tính từ tập tin APK, bao gồm các quyền truy cập, hoạt động, và các thành phần khác của ứng dụng. Các đặc tính này sau đó được sử dụng để huấn luyện các thuật toán học máy. Kết quả cho thấy việc kết hợp các đặc tính lại mang lại hiệu quả cao hơn so với việc tách từng đặc tính riêng lẻ.

3.2. Đánh giá hiệu suất

Đánh giá hiệu suất của các thuật toán học máy trong việc phát hiện mã độc Android là một phần quan trọng của nghiên cứu này. Các chỉ số đánh giá bao gồm độ chính xác (Accuracy), F1-score, và tỷ lệ phát hiện (Detection Rate). Kết quả thử nghiệm cho thấy các thuật toán như CNN và XGBoost đạt được hiệu suất cao trong việc phát hiện các mẫu đối kháng được tạo ra bởi GAN. Nghiên cứu cũng chỉ ra rằng việc kết hợp cả phân tích tĩnh và động có thể nâng cao hiệu quả phát hiện mã độc.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Sự bùng nổ của các thiết bị di động thông minh đã biến hệ điều hành Android thành nền tảng phổ biến hàng đầu thế giới. Tính đến năm 2022, theo thống kê từ Statista được tác giả trích dẫn, toàn cầu ghi nhận 6,567 tỷ người dùng điện thoại thông minh, chiếm 83,72% dân số thế giới. Trong đó, hệ điều hành mã nguồn mở Android chiếm 75% thị phần toàn cầu với hơn 2,8 triệu người dùng đang hoạt động. Đi kèm với sự phát triển này là nguy cơ gia tăng các cuộc tấn công mạng, khi hơn 99% phần mềm độc hại di động nhắm vào nền tảng Android. Báo cáo của Kaspersky năm 2021 ghi nhận gần 3,5 triệu gói cài đặt mã độc trên các hệ điều hành di động, xuất phát chủ yếu từ việc Android cho phép người dùng cài đặt ứng dụng từ các nguồn bên thứ ba ngoài Google Play và sự thiếu cảnh giác khi cấp quyền truy cập.

Phương pháp phát hiện mã độc truyền thống dựa trên mẫu chữ ký (signature-based) bộc lộ hạn chế lớn khi không thể phát hiện các biến thể mã độc mới hoặc các mã độc chưa từng xuất hiện trong cơ sở dữ liệu vi-rút. Mặc dù các thuật toán học máy (Machine Learning) và học sâu (Deep Learning) đã mang lại nhiều cải tiến, chúng vẫn đối mặt với nguy cơ bị đánh lừa bởi các mẫu đối kháng (adversarial examples) được tạo ra bởi Mạng sinh đối kháng (Generative Adversarial Networks - GAN). Các mẫu đối kháng này có thể qua mặt hệ thống phân loại học máy mà vẫn giữ nguyên hành vi phá hoại ban đầu.

Mục tiêu và nhiệm vụ nghiên cứu của đề tài được xác định gồm:

1. Tìm hiểu mô hình của công cụ phát sinh mẫu đối kháng mới có khả năng né tránh các trình phát hiện mã độc hiện nay.
2. Xây dựng và hoàn thiện mô hình phát sinh mẫu thử Android dựa trên kiến trúc GAN kết hợp quy trình chỉnh sửa tập tin APK tự động.
3. Đánh giá và so sánh hiệu suất của các thuật toán phân loại học máy trên các mẫu thử đối kháng phát sinh từ GAN dựa trên các tiêu chí: F1-score, độ chính xác (Accuracy), độ thu hồi (Recall), độ chuẩn xác (Precision), tỷ lệ phát hiện mẫu gốc (ODR - Original Detection Rate), tỷ lệ phát hiện mẫu đối kháng (ADR - Adversarial Detection Rate) và tỷ lệ dương tính thật (TPR - True Positive Rate).

Đối tượng nghiên cứu bao gồm: Mạng sinh đối kháng (GANs), thư viện học máy TensorFlow, thư viện Scikit-Learn và các tập tin gói ứng dụng độc hại (APK malware). Phạm vi nghiên cứu tập trung vào việc tạo ra các mẫu mã độc biến thể bằng cách trích xuất và biến đổi các vectơ đặc tính tĩnh, kết hợp quy trình dịch ngược, đóng gói, ký số và kiểm định hành vi trên môi trường giả lập; sau đó xây dựng hệ thống học máy hộp đen nhằm đánh giá tính hiệu quả của các mô hình phân loại đối với các mẫu đối kháng trong tập dữ liệu thực tế.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý thuyết dựa trên các công trình nghiên cứu và mô hình học máy tiêu biểu:

• Mạng sinh đối kháng (GAN): Kiến trúc Vanilla GAN của Ian Goodfellow (2014) với trò chơi tổng bằng không (zero-sum game) giữa Bộ sinh ($G$) và Bộ phân biệt ($D$), sử dụng hàm mất mát chuẩn min-max loss: $$\min_{G} \max_{D} V(D, G) = \mathbb{E}{x \sim p{data}(x)}[\log D(x)] + \mathbb{E}{z \sim p{z}(z)}[\log(1 - D(G(z)))]$$
• Các nghiên cứu nền tảng liên quan: Mô hình GANG-MAM của Renjith và cộng sự (sửa đổi vectơ đặc tính duy trì chức năng để mở rộng tập dữ liệu) và MalGAN của Weiwei Hu và Ying Tan (tấn công mẫu đối kháng hộp đen nhắm vào trình phát hiện phần mềm độc hại); cùng các nghiên cứu phân loại mã độc Android của Li (sử dụng DBN kết hợp API calls và permissions trên bộ dữ liệu Drebin đạt độ chính xác 90%), nghiên cứu kết hợp đặc tính tĩnh (Intent Filter, Requested Permission, Declared Permission với 10-fold cross-validation), nghiên cứu lựa chọn quyền của MS Saleem (thuật toán Chi-Square Test, Fisher's Exact Test kết hợp Random Forest trên gần 120.000 mẫu Drebin), và các phương pháp phân tích động (CBM của Qiao dùng sandbox Cuckoo, phân tích luồng dữ liệu Data-flow của Elish).
• Các thuật toán phân loại học máy: Support Vector Machines (SVM), Cây quyết định (Decision Tree - DT), Rừng ngẫu nhiên (Random Forest - RF), Hồi quy Logistic (Logistic Regression - LR / Logit / MaxEnt), eXtreme Gradient Boosting (XGBoost), Mạng nơ-ron truyền thẳng (Neural Network) và Mạng nơ-ron tích chập (Convolutional Neural Network - CNN).

Phương pháp nghiên cứu thực nghiệm bao gồm kỹ thuật phân tích tĩnh (Static Analysis) thông qua dịch ngược mã nguồn bằng Apktool và Androguard để trích xuất 4 nhóm đặc tính tĩnh chính: Quyền ứng dụng (Permission), Hành động thông báo (Intents Action), Dịch vụ nền (Service) và Danh mục thành phần (Intents Category). Các đặc tính được nhị phân hóa thành chuỗi giá trị 0 và 1 trong tập tin dữ liệu CSV. Mô hình GAN tiếp nhận vectơ đặc tính và vectơ nhiễu ngẫu nhiên $z$, tối ưu hóa hàm mất mát để tạo ra biến thể đặc tính đối kháng. Các đặc tính biến đổi được chuyển thành mã Smali tương ứng, nhúng vào tập tin APK, đóng gói và ký số bằng khóa ký ứng dụng. Quá trình kiểm định hành vi được thực hiện tự động trên môi trường giả lập (Genymotion hoặc Android Studio Emulator) bằng công cụ Monkey để kiểm tra tính toàn vẹn chức năng thực thi.

Thiết kế và triển khai hệ thống

Hệ thống đề xuất trong khóa luận có tên gọi là AdvGAN, được xây dựng theo kiến trúc tấn công đối kháng hộp đen (Black-Box Attack) gồm 4 giai đoạn xử lý khép kín:

[Mẫu APK gốc] 
(4. Kiểm định & Đánh giá: Giả lập Genymotion/Android Studio + Công cụ Monkey + Trình phát hiện hộp đen)

1. Trích xuất đặc tính tĩnh: Dịch ngược tập tin APK bằng công cụ Apktool hoặc Androguard, quét tập tin AndroidManifest.xml và cấu trúc mã nguồn để thu thập 4 nhóm đặc tính:

   • Permission: ACCESS_NETWORK_STATE, READ_PHONE_STATE, INTERNET, GET_ACCOUNTS...
   • Intents Action: ACTION_POWER_DISCONNECTED, PHONE_STATE, keyboard.locker, PACKAGE_RESTARTED...
   • Service: FCMMessageService, ActivityGooglePlayService, LocationService, AdsService...
   • Intents Category: LAUNCHER, MULTIWINDOW_LAUNCHER, INFO, DEFAULT... Mỗi ứng dụng được biểu diễn bằng một vectơ nhị phân (1: có sử dụng, 0: không sử dụng) và lưu thành tập tin CSV.

2. Trình tạo biến thể mã độc (AdvGAN): Bộ sinh ($G$) nhận đầu vào là vectơ mã độc gốc kết hợp vectơ nhiễu ngẫu nhiên $z$ từ không gian tiềm ẩn (latent space), sinh ra các đột biến đặc tính mà không làm mất đi tính độc hại. Bộ phân biệt ($D$) đóng vai trò là mô hình phân loại cục bộ mô phỏng ranh giới quyết định của Trình phát hiện hộp đen (Black-Box Detector). Cả hai thành phần được tối ưu hóa đồng thời thông qua thuật toán lan truyền ngược (backpropagation). Khi hiệu suất của mô hình bị suy giảm trên các bộ dữ liệu mới, hệ thống kích hoạt cơ chế tự động cập nhật mẫu và tái huấn luyện (retraining).

3. Trình đóng gói: Tiếp nhận tập tin CSV chứa các đặc tính đã biến đổi, tính toán giá trị băm (hash) để định danh từng ứng dụng. Trình đóng gói tự động bổ sung các tập tin mã trung gian Smali tương đương với các thành phần tĩnh mới (activities, services, broadcast receivers, content providers). Sau đó, công cụ Apktool thực hiện đóng gói toàn bộ mã nguồn, tài nguyên, manifest và tệp Smali thành tập tin APK mới, tiến hành ký số bằng chứng chỉ số tạo sẵn để đảm bảo tập tin có thể cài đặt hợp lệ trên hệ điều hành Android.

4. Kiểm định và đánh giá hộp đen: Để đảm bảo tính toàn vẹn hoạt động, tập tin APK trước và sau khi biến đổi được cài đặt và thực thi trên môi trường giả lập (Genymotion hoặc Android Studio Emulator). Công cụ Monkey phát sinh các chuỗi sự kiện ngẫu nhiên để kích hoạt ứng dụng, ghi nhận nhật ký hệ thống (execution logs), so sánh độ lệch luồng thực thi và tự động gỡ bỏ ứng dụng sau khi hoàn thành. Sau đó, các mẫu đối kháng hoàn chỉnh được đưa qua Trình phát hiện hộp đen (được huấn luyện bởi SVM, DT, RF, LR, XGBoost, CNN) để đánh giá tỷ lệ trốn tránh.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 giới thiệu tổng quan bối cảnh an toàn thông tin trên thiết bị di động, nêu rõ vị thế thống trị của hệ điều hành Android và thực trạng hơn 99% mã độc di động tập trung vào nền tảng này. Tác giả phân tích hạn chế của phương pháp phát hiện theo chữ ký truyền thống và các lỗ hổng của mô hình phân loại học máy trước kỹ thuật tấn công bằng mạng sinh đối kháng. Chương này xác định rõ mục tiêu, đối tượng, phạm vi nghiên cứu thực nghiệm và cấu trúc tổng thể 6 chương của khóa luận.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày có hệ thống các lý thuyết nền tảng và khảo cứu các công trình khoa học liên quan:

• Tổng quan về cấu trúc tập tin APK (Activities, Services, Broadcast Receivers, Content Providers) và các phương pháp phân tích mã độc (phân tích tĩnh, phân tích động, phân tích kết hợp).
• Khảo cứu các công trình của Renjith (GANG-MAM), Weiwei Hu & Ying Tan (MalGAN), Li (DBN 90%), MS Saleem (Chi-Square/Fisher's Exact Test trên tập Drebin 120.000 mẫu), Qiao (CBM sandbox), Elish và Kapratwar.
• Nguyên lý hoạt động của Mạng sinh đối kháng (Vanilla GAN), vai trò của Bộ sinh (Generator), Bộ phân biệt (Discriminator), các hàm mất mát cho bài toán hồi quy và phân loại (Hinge loss, Binary Cross Entropy, Sparse Categorical Cross Entropy, KL Divergence Loss) và hiện tượng khó hội tụ trong trò chơi min-max.
• Cơ chế tấn công hộp đen (Black-Box Attack) so với tấn công hộp trắng (White-Box Attack) và hộp xám (Grey-Box Attack).
• Nguyên lý hoạt động, ưu điểm và hạn chế của 6 thuật toán học máy phân loại: Support Vector Machines (SVM), Cây quyết định (DT), Rừng ngẫu nhiên (RF), Hồi quy Logistic (LR), eXtreme Gradient Boosting (XGBoost), Mạng nơ-ron nhân tạo và Mạng nơ-ron tích chập (CNN với các lớp convolutional, pooling, fully-connected).

Chương 3: Mô hình tạo biến thể mã độc Android

Chương 3 trình bày chi tiết quy trình 4 giai đoạn của công cụ tạo biến thể mã độc Android từ mô hình GAN:

• Trích xuất đặc tính: Phương pháp dịch ngược APK bằng Apktool/Androguard để xây dựng ma trận đặc tính nhị phân lưu dưới dạng CSV gồm Permission, Intents Action, Service và Intents Category.
• Trình tạo biến thể: Cơ chế đưa vectơ đặc tính qua mô hình GAN đã huấn luyện, tối ưu hàm mất mát dựa trên cả Accuracy score và giá trị mất mát để tạo ra đột biến đặc tính trốn tránh tốt nhất.
• Trình đóng gói: Quy trình ánh xạ đặc tính mới thành các tập tin mã trung gian Smali, chèn vào cấu trúc ứng dụng, đóng gói lại bằng Apktool và ký số gói APK.
• Kiểm định: Phương pháp đánh giá tính toàn vẹn hoạt động trên môi trường giả lập (Genymotion/Android Studio) bằng công cụ Monkey, đối chiếu số dòng nhật ký thực thi trước và sau chỉnh sửa.

Tên mẫu APK mã độc	Số dòng nhật ký trước sửa đổi	Số dòng nhật ký sau sửa đổi	Số dòng khác nhau	Tỷ lệ khác nhau (%)
FluBot Malware	139	140	2	1,44%
Banker Spy Malware	139	147	9	6,71%
Banker BRATA Malware	136	147	13	9,56%

Chương 4: Hệ thống phát sinh mã độc Android đánh lừa học máy dựa trên mạng sinh đối kháng

Chương 4 thiết kế kiến trúc chi tiết của hệ thống AdvGAN gồm 3 thành phần tương tác: Bộ sinh (Generator - G), Bộ phân biệt (Discriminator - D) và Trình phát hiện hộp đen (Black-Box Detector). Tác giả phân tích chi tiết kịch bản tấn công hộp đen trong thực tế: kẻ tấn công không thể tiếp cận tập dữ liệu huấn luyện, siêu tham số, trọng số hay đạo hàm (gradient) của mô hình phân loại mục tiêu mà chỉ nhận được nhãn phân loại (benign / malware) hoặc xác suất đầu ra. Bộ phân biệt cục bộ được huấn luyện song song để mô phỏng ranh giới quyết định của Trình phát hiện hộp đen, từ đó định hướng Bộ sinh tối ưu hóa các mẫu đối kháng có khả năng trốn tránh cao nhất.

Chương 5: Môi trường thực nghiệm, tập dữ liệu, phương pháp đánh giá và kết quả thực nghiệm

Chương 5 thiết lập môi trường thử nghiệm trên hệ thống máy chủ của Phòng thí nghiệm InSecLab, xây dựng tập dữ liệu gồm các mẫu mã độc và mẫu lành tính thực tế. Chương này tiến hành đánh giá chi tiết:

• Hiệu suất của Bộ phân biệt trước và sau huấn luyện.
• Tỷ lệ dương tính thật (TPR), độ chính xác (Accuracy), tỷ lệ phát hiện mẫu gốc (ODR) và tỷ lệ phát hiện mẫu đối kháng (ADR) trên các mô hình phân loại (SVM, DT, RF, LR, XGBoost, CNN).
• So sánh hiệu suất của các mô hình học máy trước và sau khi AdvGAN được tái huấn luyện (retraining).
• Tỷ lệ cài đặt và thực thi thành công của các biến thể mã độc trên thiết bị giả lập, cùng số lượng nhà cung cấp bảo mật trên VirusTotal không thể phát hiện các mẫu sau đột biến.

Chương 6: Kết luận và hướng phát triển trong tương lai

Chương 6 tổng kết các kết quả đạt được của đề tài trong việc chứng minh tính khả thi của việc sử dụng GAN để tạo ra các biến thể mã độc có khả năng vô hiệu hóa các thuật toán học máy phát hiện mã độc hiện nay. Đồng thời, tác giả đề xuất các định hướng nghiên cứu mở rộng trong tương lai.

Kết quả và đóng góp

Khóa luận đạt được các kết quả thực nghiệm cụ thể:

1. Xây dựng thành công hệ thống tự động hóa khép kín AdvGAN, cho phép trích xuất đặc tính tĩnh, sinh biến thể đối kháng, tái cấu trúc mã nguồn Smali, đóng gói, ký số và kiểm định tính toàn vẹn của tập tin APK.
2. Kiểm chứng tính toàn vẹn chức năng của mã độc sau đột biến: thử nghiệm trên các dòng mã độc thực tế cho thấy tỷ lệ sai lệch nhật ký thực thi ở mức rất thấp (FluBot khác biệt 1,44%, Banker Spy khác biệt 6,71%, Banker BRATA khác biệt 9,56%), đảm bảo mã độc sau đóng gói vẫn giữ nguyên hành vi phá hoại ban đầu.
3. Chứng minh khả năng vượt mặt các bộ phân loại học máy: các mẫu đối kháng sinh ra từ AdvGAN làm suy giảm nghiêm trọng hiệu suất của các mô hình phân loại hộp đen (SVM, DT, RF, LR, XGBoost, CNN), đẩy độ chính xác phát hiện của nhiều bộ phân loại xuống mức gần bằng 0 trên tập dữ liệu thế giới thực.
4. Đề xuất giải pháp nâng cao khả năng phòng thủ thông qua cơ chế cập nhật dữ liệu tự động và tái huấn luyện (retraining) mô hình học máy với chính các mẫu đối kháng sinh ra từ GAN, giúp khôi phục và cải thiện tỷ lệ phát hiện mã độc biến thể.

So với các nghiên cứu trước đây (như MalGAN hay GANG-MAM), đóng góp của khóa luận nằm ở việc:

• Không chỉ dừng lại ở mức độ mô phỏng trên vectơ đặc tính lý thuyết mà đã hoàn thiện quy trình sinh ra tập tin APK thực tế có thể cài đặt và thực thi được.
• Tối ưu hóa hàm mất mát và lựa chọn nhiễu kết hợp giữa Accuracy score và hàm tổn thất thực tế.
• Khảo sát toàn diện trên 6 thuật toán học máy và học sâu khác nhau trong kịch bản tấn công hộp đen thực tế.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ rõ các hạn chế trong phạm vi nghiên cứu:

• Hệ thống hiện tại mới chỉ tập trung khai thác và xử lý các đặc tính tĩnh (permissions, activities, services, receivers, providers, actions, categories) thông qua kỹ thuật dịch ngược; chưa kết hợp với kỹ thuật phân tích động trong quá trình trích xuất đặc tính ban đầu.
• Mô hình GAN huấn luyện trước gặp hiện tượng suy giảm hiệu suất đáng kể khi đối mặt với các bộ dữ liệu mã độc hoàn toàn mới chưa từng xuất hiện trong tập huấn luyện, đòi hỏi phải thực hiện tái huấn luyện định kỳ.

Hướng nghiên cứu tiếp theo được tác giả xác định:

• Nghiên cứu kết hợp kỹ thuật phân tích động (Dynamic Analysis) vào quy trình trích xuất đặc tính nhằm theo dõi hành vi chạy thực tế và các lệnh gọi hệ thống (system calls/API calls), tạo tiền đề cho phương pháp phân tích kết hợp (Hybrid Analysis).
• Nâng cao thuật toán huấn luyện GAN nhằm cải thiện khả năng tổng quát hóa, hạn chế hiện tượng giảm hiệu suất khi gặp các họ mã độc mới mà không cần can thiệp tái huấn luyện liên tục.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo có giá trị học thuật và thực tiễn cao cho:

• Sinh viên và học viên chuyên ngành An toàn thông tin, Mạng máy tính và Khoa học dữ liệu: Tham khảo phương pháp kết hợp giữa học máy đối kháng (Adversarial Machine Learning) và kỹ thuật dịch ngược phần mềm Android (Reverse Engineering).
• Các nhà nghiên cứu phát triển hệ thống bảo mật di động: Tham khảo kiến trúc hệ thống AdvGAN, cách trích xuất 4 nhóm đặc tính tĩnh từ manifest/smali và phương pháp kiểm thử độ bền vững (robustness) của các bộ phân loại học máy trước các cuộc tấn công hộp đen.
• Phần nội dung đáng tham khảo nhất: Quy trình 4 giai đoạn tại Chương 3 (kết hợp công cụ Apktool, Androguard, Monkey để tự động hóa sinh tập tin APK thực tế) và thiết kế tấn công hộp đen tại Chương 4.

Câu hỏi thường gặp

1. Khóa luận sử dụng những công cụ cụ thể nào để dịch ngược, đóng gói lại và kiểm tra tính toàn vẹn của tập tin APK?
Khóa luận sử dụng công cụ Apktool và Androguard để dịch ngược tập tin APK và trích xuất các vectơ đặc tính tĩnh; sử dụng Apktool để đóng gói lại tập tin APK sau khi đã chèn các đoạn mã trung gian Smali tương ứng; sử dụng khóa ký ứng dụng (signing key) tạo sẵn để ký số; và sử dụng công cụ Monkey chạy trên môi trường giả lập Genymotion hoặc Android Studio Emulator để kiểm tra, ghi nhật ký thực thi và đối chiếu tính toàn vẹn hoạt động.

2. Hệ thống AdvGAN trích xuất và biến đổi những nhóm đặc tính tĩnh nào của ứng dụng Android?
Hệ thống trích xuất và biến đổi 4 nhóm đặc tính tĩnh chính:

• Permission: Quyền truy cập thiết bị (như ACCESS_NETWORK_STATE, READ_PHONE_STATE, INTERNET, GET_ACCOUNTS).
• Intents Action: Chuỗi hành động xác định của intent (như ACTION_POWER_DISCONNECTED, PHONE_STATE, keyboard.locker, PACKAGE_RESTARTED).
• Service: Thành phần dịch vụ chạy ngầm (như FCMMessageService, ActivityGooglePlayService, LocationService, AdsService).
• Intents Category: Thông tin bổ sung phân loại intent (như LAUNCHER, MULTIWINDOW_LAUNCHER, INFO, DEFAULT).

3. Tại sao tác giả lựa chọn kịch bản tấn công hộp đen (Black-Box Attack) thay vì tấn công hộp trắng?
Trong thực tế, kẻ tấn công không thể tiếp cận cấu trúc bên trong, tham số, tập dữ liệu huấn luyện hay đạo hàm (gradient) của hệ thống phòng thủ mục tiêu. Do đó, tấn công hộp trắng là không khả thi. Hệ thống AdvGAN xây dựng một Bộ phân biệt cục bộ đóng vai trò mô phỏng Trình phát hiện hộp đen, chỉ dựa trên nhãn dự đoán đầu ra để huấn luyện Bộ sinh tạo ra các mẫu đối kháng có khả năng trốn tránh ranh giới quyết định thực tế.

4. Mức độ sai lệch về hoạt động của các dòng mã độc thực tế sau khi qua Trình đóng gói của đề tài là bao nhiêu?
Theo kết quả thử nghiệm được ghi nhận tại Bảng 3.2:

• Dòng FluBot Malware: số dòng nhật ký trước là 139, sau là 140 (khác biệt 2 dòng, tương đương tỷ lệ sai lệch 1,44%).
• Dòng Banker Spy Malware: số dòng nhật ký trước là 139, sau là 147 (khác biệt 9 dòng, tương đương tỷ lệ sai lệch 6,71%).
• Dòng Banker BRATA Malware: số dòng nhật ký trước là 136, sau là 147 (khác biệt 13 dòng, tương đương tỷ lệ sai lệch 9,56%).
  Các con số này chứng minh ứng dụng sau chỉnh sửa vẫn bảo toàn được luồng thực thi và hành vi phá hoại gốc.

5. Những thuật toán học máy nào được nhóm tác giả triển khai để đóng vai trò Trình phát hiện hộp đen đánh giá mẫu đối kháng?
Hệ thống triển khai 6 thuật toán phân loại gồm: Support Vector Machines (SVM), Cây quyết định (Decision Tree - DT), Rừng ngẫu nhiên (Random Forest - RF), Hồi quy Logistic (Logistic Regression - LR), eXtreme Gradient Boosting (XGBoost) và Mạng nơ-ron tích chập (Convolutional Neural Network - CNN).

Kết luận

Khóa luận tốt nghiệp của sinh viên Đoàn Minh Trung và Nguyễn Hoàng Kim Ngân đã nghiên cứu và phát triển thành công hệ thống AdvGAN nhằm phát sinh các biến thể mã độc Android đối kháng dựa trên Mạng sinh đối kháng (GAN). Bằng việc kết hợp chặt chẽ giữa trích xuất đặc tính tĩnh, tái cấu trúc mã Smali và tự động hóa kiểm định trên môi trường giả lập, đề tài đã chứng minh các mẫu mã độc đối kháng có khả năng vô hiệu hóa hàng loạt mô hình học máy phân loại phổ biến với độ chính xác phát hiện bị kéo giảm về gần bằng 0. Công trình cung cấp cơ sở thực nghiệm quan trọng và đề xuất phương pháp tái huấn luyện mô hình, đóng góp thiết thực cho việc nâng cao năng lực phòng thủ của các hệ thống phát hiện mã độc di động trong tương lai.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu tổng quan về dé tài khóa luận. e Chương 2: Trình bày cơ sở lý thuyết, các nghiên cứu liên quan và kiến thức nền tảng liên quan đến dé tài. e Chương 3: Giới thiệu phương pháp, dé xuất mô hình dùng để tạo biến thể mã độc Android. * Chương 4: Đề xuất một hệ thống phát sinh mã độc Android đánh lừa học máy bằng mạng sinh đối kháng ¢ Chương 5: Trinh bày môi trường thực nghiệm, tập dữ liệu, phương pháp đánh giá và kết quả thực nghiệm.

e Chương 6: Kết luận và hướng phát triển trong tương lai. CHUONG 2 CƠ SỞ LÝ THUYET Tóm tắt chương Trong chương này, chúng tôi sẽ trình bày cơ sở lý thuyết liên quan đến dé tài để có một nền tảng kiến thức vững chắc hỗ trợ cho các chương tiếp theo.1 Các nghiên cứu liên quan Renjith cùng với các cộng sự của ông [5] đã dé xuất một hệ thống có tên GANG-MAM có thể tạo ra các biến thể mới từ mã độc Android hiện có bằng cách sửa đổi các vectơ đặc tính trong khi vẫn duy trì chức năng của nó. Hệ thống này được tạo ra để cải thiện hiệu quả của bộ phân loại và mở rộng tập dữ liệu để hỗ trợ các nhà nghiên cứu đạt được tập dữ liệu chất lượng cao cho các thí nghiệm của họ. MalGAN [6 là công trình tiên phong về các cuộc tan công mẫu đối kháng hộp đen nhằm phát hiện phần mềm độc hại trên Android.

Nó tạo ra các mẫu đối kháng để tấn công các thuật toán phát hiện mã độc trong hộp đen. Như đã được đề cập trong phần giới thiệu bài toán, có hai cách tiếp cận phát hiện chủ yếu trong phát hiện mã độc Android, có thể được mô tả là phân tích tĩnh (Static Analysis) và phân tích động (Dynamic Analysis). Đối với phân tích tĩnh, chúng ta sẽ dịch ngược các tập tin APK và sau đó sẽ phân tích những tập tin chứa mã nguồn trước khi thực thi chúng. Kĩ thuật này có thể cung cấp một kết quả nhanh chóng và an toàn để phát hiện mã độc Android.

Các nhà nghiên cứu thường chọn theo dõi luéng dữ liệu hoặc thông tin thuộc tính có liên quan từ APK để phân biệt mã độc. Li [7] đã xây dựng một phương pháp phát hiện mã độc sử dụng Chương 2. COSO LY THUYET phương pháp hoc sâu được điều chỉnh theo trọng số (weight-adjusted deep learning) trong việc phát hiện mã độc cho nền tang Android. Họ sử dung kết hợp hai loại đặc tinh, các API call nguy hiểm va các permission rủi ro để xây dựng mô hình DBN.

Họ thử nghiệm trên bộ dữ liệu Drebin và kết quả cho thay mô hình dat được độ chính xác 90%. Li đã phát triển một hệ thống phát hiện mã độc Android dựa trên các thuật toán phân loại khác nhau như Linear Discriminant, Cubic SVM, Weighted KNN, Complex Tree, Linear SVM, Course KNN. Họ sử dụng các loại đặc tính như quyền được truy cập (Requested Permission), quyền đã khai báo (Declared Permission) và bộ lọc Intent (Intent Filter). Họ chia bộ dữ liệu thành 3 phần, phần thứ nhất chỉ gồm bộ lọc Intent, phần thứ hai chỉ gồm quyền được truy cập và quyền được khai báo và phần còn lại sẽ kết hợp cả 2 phần thứ nhất và thứ hai.

Cách chia này nhằm mục đích so sánh độ chính xác giữa việc tách và kết hợp các đặc tính. Họ thử nghiệm trên 500 mẫu mã độc và 500 mẫu lành tính, đồng thời để xác định độ chính xác họ sử dụng sơ đồ 10-fold validation. Kết quả thu được cho thây việc kết hợp các đặc tính lại sẽ mang lại hiệu quả cao hơn so với tách từng đặc tính.