정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
난독화된 악성코드 판별을 위한 2차원 배열 기반의 기술 연구 |
| 영문제목(English Title) |
A Study on Two-dimensional Array-based Technology to Identify Obfuscatied Malware |
| 저자(Author) |
황선빈
김호경
황준호
이태진
Seonbin Hwang
Hogyeong Kim
Junho Hwang
Taejin Lee
|
| 원문수록처(Citation) |
VOL 45 NO. 08 PP. 0769 ~ 0777 (2018. 08) |
한글내용
(Korean Abstract) |
일평균 20만개 이상의 악성코드가 출현하고 있으며, 대부분의 침해사고는 악성코드를 이용하여 발생한다. 그런데, 공격자의 악성코드 제작기술이 점차 지능화되고 있으며 역 공학 분석을 방지하기 위해 패킹이나 암호화를 하여 악성코드를 제작한다. 정적 분석의 경우 분석 파일이 난독화가 되면 분석을 하는 데 한계가 있으며, 이에 대응할 수 있는 방안이 필요하다. 본 논문에서는 난독화 시에도 악성코드를 판별 할 수 있는 방안으로 문자열, 심볼, 엔트로피 기반 접근 방법을 제시하였다. 특히, 고정된 feature-set 뿐 아니라, 고정되지 않은 Feature-set 처리를 위해 2차원 배열을 적용하였으며, 15,000개의 악성/정상 샘플을 DNN(Deep Neural Network)를 통해 검증을 진행하였다. 본 연구는 향후 여러 악성코드 탐지기법과 연계되어 동작 시 보완적인 형태로 동작할 것으로 예상하며, 난독화된 악성코드 변종 분석에서 활용 가능할 것으로 기대한다.
|
영문내용
(English Abstract) |
More than 1.6 milion types of malware are emerging on average per day, and most cyber attackes are generated by malware. Moreover, malware obfuscation techniques are becoming more intelligent through packing or encryption to prevent reverse engineering analysis. In the case of static analysis, there is a limit to the analysis when the analytical file becomes obfuscated, and a countermeasure is needed. In this paper, we propose an approach based on String, Symbol, and Entropy as a way to identify malware even during obfuscation. Two-dimensional arrays were applied for fixed feature-set processing as well as non-fixed feature-set processing, and 15,000 malware/benign samples were tested using the Deep Neural Network. This study is expected to operate in a complementary manner in conjunction with various malicious code detection methods in the future, and it is expected that it can be utilized in the analysis of obfuscated malware variants.
|
| 키워드(Keyword) |
정적 분석
문자열
심볼
엔트로피
머신 러닝
static analysis
string
symbol
entropy
machine learnings
|
| 파일첨부 |
PDF 다운로드
|
