PDFInspect: A Unified Feature Extraction Framework for Malicious Document Detection
Indian Institute of Technology Indore（印度理工学院印度尔）
PDFInspect提出了一种统一的特征提取框架，通过整合图结构、元数据和时间信息，生成高维特征向量以检测恶意PDF文档。
2026-01-19 cs.CR cs.LG
MLPdf: An Effective Machine Learning Based Approach for PDF Malware Detection
由于便携式文档格式（PDF）的流行和主要PDF查看器应用程序中漏洞的增加，恶意软件作者继续使用它通过Web下载，电子邮件附件和其他方法在有针对性和非有针对性的攻击中提供恶意软件。关于如何有效阻止恶意PDF文档的话题在网络安全行业和学术界都受到了巨大的研究兴趣，并且没有放缓的迹象。在本文中，我们提出了一种新的方法的基础上，多层感知器（MLP）的神经网络模型，称为MLPdf，用于检测基于PDF的恶意软件。更具体地说，MLPdf模型使用具有随机梯度下降搜索的反向传播算法进行模型更新。一组高质量的功能是从两个真实世界的数据集，其中包括约105000良性和恶意的PDF文档提取。评估结果表明，所提出的MLPdf方法表现出优异的性能，显着优于所有评估的8个著名的商业反病毒扫描仪，达到了95.12%的高得多的真阳性率，同时保持了非常低的假阳性率为0.08%。
2018-08-21 cs.CR
Hiding in the Crowd: A Massively Distributed Algorithm for Private Averaging with Malicious Adversaries
INRIA（法国国家信息与自动化研究所(INRIA)）
在我们与连接设备的日常交互中收集的大量个人数据为机器学习推动的创新服务提供了巨大的机会，同时也引发了对个人隐私的严重担忧。在本文中，我们提出了一个大规模分布式协议，供大量用户私下计算其联合数据的平均值，然后可用于学习预测模型。我们的协议可以找到一个任意精度的解决方案，不依赖于第三方，并在诚实但好奇和恶意对手模型的整个执行过程中保护用户的隐私。具体来说，我们证明了对手（恶意用户集）观察到的信息并没有显着降低其预测的私人价值相比，其先前的信念的不确定性。隐私保护的水平取决于与网络图的拉普拉斯矩阵相关的量，并且通常随着图的大小而提高。此外，我们设计了一个验证程序，提供保护，防止恶意用户加入服务的目标是操纵算法的结果。
2018-03-27 cs.CR cs.DC cs.LG
PDF-Malware: An Overview on Threats, Detection and Evasion Attacks
Université Polytechnique Hauts-De-France（上法兰西理工大学）；CNRS（法国国家科学研究中心）
近年来，可移植文档格式（Portable Document Format，简称PDF）已成为文档交换和传播的民主化标准。这种趋势是由于其灵活性和跨平台可移植性等特性。PDF的广泛使用在良性用户中建立了固有安全的错误印象。然而，PDF的特性促使黑客利用各种类型的漏洞，克服安全保障措施，从而使PDF格式成为最有效的恶意代码攻击载体之一。因此，有效地检测恶意PDF文件是至关重要的信息安全。在文献中已经提出了几种分析技术，无论是静态的还是动态的，以提取允许区分恶意软件文件和良性文件的主要特征。由于经典的分析技术在零日的情况下可能受到限制，因此基于机器学习的技术最近已经作为能够从一组训练样本中概括的自动PDF恶意软件检测方法出现。这些技术本身面临着规避攻击的挑战，其中恶意PDF被转换为看起来是良性的。在这项工作中，我们给出了一个概述的PDF恶意软件检测问题。我们对新的挑战和新兴的解决方案提出了看法。
2021-07-27 cs.AI cs.CR
Extremal Set Theory and LWE Based Access Structure Hiding Verifiable Secret Sharing with Malicious-Majority and Free Verification
秘密共享允许在若干方之间分发秘密，使得只有由访问结构指定的授权子集可以重建秘密。Sehrawat和Desmedt（COCOON 2020）引入了隐藏的访问结构，这些结构在某些授权的参与方合作之前一直保持秘密。然而，他们的计划假设半诚实的当事人，只支持受限的访问结构。我们通过构造一个隐藏可验证秘密共享方案的访问结构来解决这些缺点，该方案支持所有单调访问结构。这是第一个秘密共享方案，支持欺诈者识别和共享验证恶意多数设置。我们的方案的验证过程不会产生通信开销。作为我们方案的基石，我们引入并构造了：（i）一个集合系统，它具有$h$元素集合的$> \exp\left(c\frac{2(\log h)^2}{(\log\log h)}\right)+2\exp\left(c\frac{(\log h)^2}{(\log\log h)}\right)$子集。我们的集合系统$\mathcal{H}$定义在$\mathbb{Z}_m$上，其中$m$是非素幂。在$\mathcal{H}$中的每个集合的大小是可由$m$整除的，但它们的成对交叉点的大小不是，除非一个集合是另一个的子集，（ii）一个新的变体的错误学习（LWE）问题，称为PRIM-LWE，其中的秘密矩阵被采样，使得其行列式是一个生成器的$\mathbb{Z}_q^*$，其中$q$是LWE模数。我们的方案的安全性依赖于LWE问题的难度，其份额大…
2021-09-13 cs.CR math.CO
Sound Conveyors for Stealthy Data Transmission
本研究针对隐秘数据传输需求，开发了名为DeepAudio v1.0的音频隐写系统，支持AES加密与wave、MP3格式，可隐藏并提取多格式文档，同时推出免费开源的相关工具。
2025-02-22 cs.CR
Digital Investigation of PDF Files: Unveiling Traces of Embedded Malware
在过去十年中，恶意软件（或简称恶意软件）在蓬勃发展的地下经济的推动下，表现出越来越复杂和扩散，以应对现代防御机制的日益复杂。PDF文档是用于传播恶意软件的主要载体之一，这要归功于其结构的灵活性和嵌入不同类型内容的能力，从图像到JavaScript代码。尽管研究和工业界做出了许多努力，PDF恶意软件仍然是网络安全领域的主要威胁之一。在本文中，我们提供了一个概述，目前的攻击技术，用于传达PDF恶意软件，并讨论国家的最先进的PDF恶意软件分析工具，提供有价值的支持，数字取证调查。最后，我们讨论了目前的防御机制的局限性和开放的问题，并勾勒出一些有趣的未来研究方向。
2017-07-17 cs.CR
Can You Accept LaTeX Files from Strangers? Ten Years Later
众所周知，Microsoft Word/Excel兼容文档或PDF文件可能包含恶意内容。LaTeX文件也不例外。LaTeX用户通常通过源代码或软件包（. sty或. cls文件）包含第三方代码。但这些软件包可以在用户系统上执行恶意命令，以捕获敏感信息或执行拒绝服务攻击。Checkoway等人是第一个警告LaTeX用户这些威胁的人。基于云的协作LaTeX编辑器和编译LaTeX源的服务尤其受到关注。在本文中，我们创建了一个LaTeX包，它收集系统数据并将其隐藏在目标生成的PDF文件中。然后，我们测量了黑客使用在线服务上的恶意LaTeX文件可以恢复什么，以及这些服务强制执行哪些措施来阻止威胁。服务使用沙箱或命令限制来保护自己。命令限制更难设置，我们发现一个服务（PMLatex）过于宽松。
2021-02-01 cs.CR
Leveraging Interpretable Tsetlin Machine for PDF Malware Detection
Department of ICT, University of Agder, Norway（信息与通信技术系，阿格德大学，挪威）
针对PDF文件易被嵌入恶意代码的问题，提出基于可解释Tsetlin机的框架，通过静态分析提取特征并基于规则学习分类，在RIT - PDFMal - 2026数据集上准确率达98.02%，兼具检测性能、效率与可解释性，是实用的检测方案。
2026-08-06 cs.CR cs.LG
HAPSSA: Holistic Approach to PDF Malware Detection Using Signal and Statistical Analysis
Mayachitra, Inc.（Mayachitra公司）；U.S. Naval Research Laboratory（美国海军研究实验室）；UC Santa Barbara（加州大学圣塔芭芭拉分校）
恶意PDF文档对各种安全组织构成严重威胁，这些组织需要现代威胁情报平台来有效分析和表征PDF恶意软件的身份和行为。最先进的方法使用机器学习（ML）来学习表征PDF恶意软件的特征。然而，ML模型通常容易受到规避攻击，其中对手混淆恶意软件代码以避免被防病毒软件检测到。在本文中，我们得出了一个简单而有效的整体方法来检测PDF恶意软件，利用信号和统计分析的恶意软件二进制文件。这包括组合来自各种静态和动态恶意软件检测方法的正交特征空间模型，以在面对代码混淆时实现通用鲁棒性。使用包含恶意软件和良性样本的近30，000个PDF文件的数据集，我们表明我们的整体方法保持了PDF恶意软件的高检测率（99.92%），甚至可以检测到通过简单方法创建的新恶意文件，这些方法可以删除恶意软件作者为隐藏其恶意软件而进行的混淆，而大多数反病毒软件都无法检测到。
2021-11-08 cs.CR cs.LG eess.SP
Honeyfile Camouflage: Hiding Fake Files in Plain Sight
UNSW Sydney（新南威尔士大学悉尼分校）；CSIRO Data61（联邦科学与工业研究组织数据61部门）；Cyber Security CRC（网络安全合作研究中心）；Penten（彭滕公司）
针对蜜罐文件需在真实文件中隐蔽命名的问题，本文基于语义向量空间余弦距离提出简单平均与混合拟合聚类两种文件名伪装指标，并在 GitHub 数据集上验证其有效性。
2024-05-10 cs.AI cs.CL cs.CR
A Technique for the Detection of PDF Tampering or Forgery
本文针对现有哈希和水印方法无法检测 PDF 签名及元数据篡改的局限，提出一种利用 PDF 文件页面对象检测文本、图像和元数据更改的新技术。
2025-07-01 cs.CR
A Novel Malware Detection System Based On Machine Learning and Binary Visualization
恶意软件的持续演变和多样性构成了现代系统中的主要威胁。事实证明，目前可用的安全防御措施无法有效降低网络犯罪分子的技能和想象力，因此需要开发新的解决方案。深度学习算法和人工智能（AI）正在迅速发展，在许多应用领域取得了显著成果。随着人工智能技术的发展和对高效恶意软件检测方法的需求，本文提出了一种基于二进制可视化和自组织增量神经网络的恶意软件检测方法。实验结果表明，该方法对.pdf和.doc文件中的勒索软件的检测准确率分别达到91.7%和94.1%。对于其他格式的恶意代码和其他文件类型，包括二进制文件，所提出的方法表现良好，具有增量检测率，允许实时有效地检测未知恶意软件。
2019-04-01 cs.CR
Hiding in Plain Floats: Steganographic Carriers for Indirect Prompt and Content Injection
University of California, Berkeley（加州大学伯克利分校）；Stanford University（斯坦福大学）
研究结构化浮点参数作为隐写载体绕过文本检测器实现LLM间接提示/内容注入，实验显示在最强防御下泄露ASR达94.3%。
2026-06-07 cs.AI cs.CR
CIC-Trap4Phish: A Unified Multi-Format Dataset for Phishing and Quishing Attachment Detection
Canadian Institute for Cybersecurity, Faculty of Computer Science, University of New Brunswick（加拿大网络安全研究所，计算机科学学院，新不伦瑞克大学）
CIC-Trap4Phish 提出了一种统一的多格式数据集，用于提升钓鱼和Quishing附件检测的准确性和鲁棒性。
2026-02-11 cs.AI cs.CR
The Hidden Threat in Plain Text: Attacking RAG Data Loaders
University of Padua（帕多瓦大学）
本文揭示了 RAG 数据加载阶段的安全漏洞，提出 9 类投毒攻击分类法及内容混淆与注入两种新型威胁向量，并通过自动化工具在多种数据加载器和端到端 RAG 系统上验证了高成功率攻击，呼吁加强文档摄取安全。
2025-07-07 cs.AI cs.CR
