DroidBreaker: 머신러닝 Android 악성코드 탐지기를 대상으로 한 실용적·기능 보존 문제 공간 공격
DroidBreaker: Practical and Functional Problem-Space Attacks on Machine-Learning Android Malware Detectors
적대적 APK는 머신러닝 악성코드 탐지기를 우회하기 위해 문제 공간(problem space)에서 수정된 Android 애플리케이션이다. 본 연구에서는 먼저, 주장과 달리 기존 문제 공간 공격이 여전히 대체로 비실용적임을 보인다. 대부분의 기법은 소프트웨어 이식(software transplantation)을 활용해 전체 무해 모듈을 주입하며, 많은 부수 효과(side-effect) 특징을 도입하고 종종 빌드 시점 실패를 일으킨다. 일부 구성요소만 주입하는 미세 조작(fine-grained) 방법은 효과가 제한적이며, 난독화(obfuscation)도 사용하는 방법은 취약한 바이트코드 재작성에 의존해 구문적으로는 유효하지만 의미적으로는 사용 불가능한 APK를 생성한다. 선행 연구는 수정된 APK가 의도한 동작을 여전히 보존하는지 평가하지 않고, 설치와 기본 실행만 검증하는 스모크 테스트(smoke test)만 수행함으로써 공격 성공률을 과대평가한다. 이러한 한계를 극복하기 위해, 우리는 실용적(빌드 안전, build-safe)이고 기능적(의미 보존, semantics-preserving)인 문제 공간 공격 프레임워크인 DROIDBREAKER를 제안하며, 이는 다음을 제공한다: (i) 대상 모델에 가장 큰 영향을 미치는 APK 구성요소만 조작하는 쿼리 효율적(query-efficient) 화이트박스·블랙박스 공격; (ii) API 호출, 앱 모듈, 권한, URL의 주입 및 난독화를 포함한, 부수 효과를 최소화한 미세 조작·빌드 안전 조작 세트; 및 (iii) 초기 APK와 수정 APK의 실행 로그 및 API 수준 추적(trace)을 비교해 런타임 동등성(runtime equivalence)을 강제하는 의미 보존 기능 테스트. 최근 Android 애플리케이션 코퍼스에서 평가한 결과, DROIDBREAKER는 화이트박스 및 블랙박스 설정 모두에서 적은 쿼리 수와 최소한의 부수 효과로 높은 회피(evasion)율을 달성하며, VirusTotal에 호스팅된 상용 악성코드 스캐너의 탐지를 대폭 줄인다.