Resumo Técnico: Desaprendizado de Máquina Auditável para Detecção de Ransomware em Conformidade com a Privacidade Usando SISA Multi-Shard e Aprendizado por Reforço Profundo

1. Declaração do Problema

Os ataques de ransomware estão evoluindo rapidamente, utilizando técnicas de ofuscação e variantes polimórficas que tornam a detecção tradicional baseada em assinaturas ineficaz. Embora os detectores baseados em comportamento de aprendizado de máquina (ML) e aprendizado profundo (DL) tenham demonstrado fortes capacidades preditivas, eles operam tipicamente sob a premissa de dados de treinamento fixos. Isso cria um conflito crítico com as regulamentações de privacidade modernas, como o GDPR e o CCPA, que exigem o "direito ao esquecimento". Em contextos de cibersegurança, organizações podem precisar remover dados específicos de usuários, amostras mal rotuladas ou traços adversários de modelos implantados. As abordagens convencionais para satisfazer esses pedidos envolvem o retreinamento total do modelo, o que é computacionalmente caro e impraticável para sistemas atualizados continuamente. Além disso, os sistemas de detecção existentes baseados em aprendizado por reforço (RL) não abordaram adequadamente como remover seletivamente amostras de treinamento mantendo a estabilidade da política e verificando se a remoção foi bem-sucedida sem comprometer a privacidade.

2. Metodologia

Os autores propõem um framework unificado integrando Double Deep Q-Networks (DDQN) com uma arquitetura SISA (Sharded, Isolated, Sliced, and Aggregated) multi-shard para permitir o desaprendizado de máquina auditável para detecção de ransomware.

2.1. Conjunto de Dados e Ambiente

• Conjunto de Dados: Um conjunto de dados comportamentais balanceado de 2.000 amostras do Windows 11 (1.000 ransomware, 1.000 benignas) foi construído usando 30 famílias distintas de ransomware. As características foram extraídas de traços de execução em sandbox (ANY.RUN), resultando em vetores comportamentais de 103 dimensões cobrindo atividades de sistema de arquivos, registro, processo, API e rede.
• Formulação de RL: A detecção de ransomware é modelada como um Processo de Decisão de Markov (MDP).
  • Estado: O vetor de características comportamentais de 103 dimensões.
  • Ação: Classificação binária (0: Benigno, 1: Ransomware).
  • Função de Recompensa: Uma estrutura de recompensa assimétrica é empregada para refletir custos de segurança: +1 para classificação correta, -2 para falsos negativos (ransomware perdido) e -0,5 para falsos positivos. Isso prioriza resultados críticos de segurança.
  • Fator de Desconto: Definido como $\gamma=0,1$ para enfatizar a precisão de classificação imediata sobre retornos de longo prazo.

2.2. O Framework DDQN–SISA

O framework opera em quatro fases:

1. Sharding (Fragmentação): O conjunto de dados é particionado em $M$ shards não sobrepostos ($M \in \{5, 10, 20\}$) usando alocação estratificada para manter o equilíbrio de classes.
2. Treinamento Isolado: Agentes DDQN independentes são treinados em cada shard com buffers de replay e redes alvo separados. Isso isola a influência de qualquer amostra de treinamento ao seu respectivo shard.
3. Exclusão por Fatias (Desaprendizado): Após uma solicitação de exclusão, o sistema identifica os shards afetados contendo as amostras a serem removidas. Apenas esses shards específicos são retreinados nos dados restantes ($\mathcal{D}_r = \mathcal{D} \setminus \mathcal{D}_f$). Shards não afetados permanecem inalterados.
4. Agregação: As predições finais são geradas via votação majoritária entre os modelos dos shards. A margem Q do ensemble (diferença entre os valores Q para ransomware vs. benigno) é usada para pontuação de confiança e auditoria de privacidade.

2.3. Protocolos de Verificação e Auditoria

Para garantir que o framework atenda aos padrões de conformidade e segurança, três mecanismos de avaliação são implementados:

• Esquecimento Verificado por Oráculo: Um modelo "oráculo" é retreinado do zero no conjunto de dados retido ($\mathcal{D}_r$). As predições do modelo desaprendido são comparadas com este oráculo para verificar se o processo de exclusão se aproxima do retreinamento total ideal.
• Auditoria de Ataque de Inferência de Membros (MIA): Um MIA de proxy é conduzido usando as margens Q do ensemble. O objetivo é verificar se as amostras esquecidas tornam-se indistinguíveis de dados nunca observados (ou seja, as taxas de sucesso do MIA caem para o acaso, $\approx 0,5$).
• Eficiência Computacional: O sistema mede o tempo de retreinamento, overhead de comunicação e uso de memória, comparando o retreinamento ao nível do shard contra o retreinamento total.

3. Principais Contribuições

O artigo reivindica três contribuições primárias:

1. Framework DDQN–SISA: A primeira integração de um detector de RL baseado em valor com SISA multi-shard para detecção de ransomware, permitindo o retreinamento seletivo ao nível do shard para satisfazer mandatos de privacidade sem a reconstrução total do modelo.
2. Verificação de Mecanismo Duplo: Um protocolo de auditoria inovador combinando o esquecimento verificado pelo oráculo (para confirmar a precisão da exclusão) e a auditoria de inferência de membro (para verificar o vazamento de privacidade), especificamente adaptado para sistemas de segurança baseados em RL.
3. Avaliação de Estresse de Exclusão Sistemática: Um estudo empírico abrangente através de 270 configurações, variando o número de shards, frações de exclusão (1%, 5%, 10%) e rodadas de exclusão repetidas (1, 5, 10) para caracterizar as compensações entre utilidade, privacidade e eficiência.

4. Resultados Experimentais

O framework foi avaliado em um conjunto de dados comportamentais do Windows 11 usando validação cruzada de 5 dobras (5-fold cross-validation).

• Desempenho de Baseline: O detector DDQN de baseline alcançou um F1-score de 0,9925 e um AUC de 0,9983, demonstrando alta precisão de detecção comparável a métodos de estado da arte.
• Preservação de Utilidade:
  • Single-Shard (Shard Único): O desaprendizado resultou em degradação mínima de utilidade ($\Delta F1 < 0,003$) em todos os cenários de exclusão.
  • Multi-Shard: Contagens moderadas de shards ($M=5, 10$) mantiveram a estabilidade sob pressão de exclusão baixa a moderada. No entanto, a alta granularidade ($M=20$) combinada com exclusão agressiva (10% ao longo de 10 rodadas) levou à instabilidade severa e colapso da utilidade (F1 caindo para próximo de 0), atribuído à fome de dados nos shards pequenos.
• Verificação do Oráculo: O retreinamento de shard único mostrou baixo desacordo com o modelo oráculo. Configurações multi-shard exibiram maior desacordo sob alto estresse de exclusão, particularmente para $M=10$ e $M=20$, indicando que o retreinamento localizado torna-se menos preciso conforme o número de shards afetados aumenta.
• Privacidade (MIA): As pontuações de inferência de membro permaneceram próximas de 0,5 (palpite aleatório) na maioria das configurações, indicando limitado vazamento de privacidade. Mesmo sob exclusão agressiva, o aumento na distinguibilidade foi modesto.
• Eficiência:
  • Tempo de Retreinamento: O desaprendizado de shard único levou aproximadamente 5–6 segundos. O desaprendizado multi-shard levou 20–30 segundos (dependendo do número de shards afetados).
  • Comparação: Isso é significativamente mais rápido que o retreinamento total, que exigiu 80–330 segundos.
  • Overhead de Comunicação: Permaneceu baixo (aprox. 11 ms para shard único, 53–55 ms para multi-shard).

5. Significância e Alegações

O artigo posiciona seu trabalho como uma solução prática para o "direito ao esquecimento" no contexto de cibersegurança de alto risco.

• Conformidade sem Compromisso: O framework demonstra que organizações podem alcançar conformidade com GDPR/CCPA removendo amostras de treinamento específicas sem incorrer nos custos computacionais proibitivos do retreinamento total.
• Segurança Auditável: Ao integrar a verificação por oráculo e a auditoria de MIA, o sistema fornece uma garantia verificável de que os dados excluídos não influenciam mais o modelo e que a privacidade é preservada, abordando uma lacuna na literatura existente de detecção baseada em RL.
• Compensações Operacionais: O estudo conclui modestamente que, embora o framework seja altamente eficaz, existe uma compensação entre estabilidade e eficiência. Ele recomenda contagens moderadas de shards ($M=5–10$) como o regime operacional ideal, equilibrando a eficiência de retreinamento com a estabilidade da política. O texto nota explicitamente que uma granularidade de shard muito alta ($M=20$) é inadequada para pressão de exclusão sustentada devido à fragmentação de dados.
• Novidade: Os autores afirmam que este é o primeiro framework de detecção de ransomware que combina conjuntamente RL baseado em valor, desaprendizado local por shard e auditoria de canal duplo dentro de um único pipeline de avaliação.

O artigo reconhece limitações, incluindo o uso de um conjunto de dados de tamanho moderado (2.000 amostras), a dependência de um proxy de MIA baseado em margem Q em vez de ataques adaptativos, e a falta de avaliação em dados de streaming. O trabalho futuro sugere explorar conjuntos de dados maiores, ataques de privacidade mais fortes e cenários de implantação distribuída.