2019년도 인터넷정보학회 춘계학술발표대회
Current Result Document :
| 한글제목(Korean Title) |
N-gram based Feature Engineering을 통한 악성코드 공격자 식별 모델 |
| 영문제목(English Title) |
Malware attacker Identification Model through N-gram based Feature Engineering |
| 저자(Author) |
이영전
한명묵
Young-Jeon Lee
Myung-Mook Han
|
| 원문수록처(Citation) |
VOL 20 NO. 01 PP. 0207 ~ 0208 (2019. 04) |
한글내용
(Korean Abstract) |
Binary Code Authorship Attribution란 주어진 Binary Code의 작성자를 식별하는 프로세스를 의미한다. 신종 악성코드 및 암호화된 악성코드의 발전과 함께 악성코드 작성자는 새로운 악성코드를 더욱 많이 생산해내고 있다. 이에 사이버 보안 영역에서는 기존 역공학적(Reverse Engineering)인 방법에 기계학습(Machine Learning)을 접목한 지능화된 해결책을 마련하고 있다. 본 논문에서는 N-gram기법을 활용하여 Binary Code로부터 특징을 추출하는 N-gram based Feature Engineering기법을 활용한 공격자 식별 모델을 제안한다. 기존 Software의 유사도 (Similarity)와 악성코드의 공격자 식별(Identification)에 사용되었던 N-gram기법을 활용하여 보다 향상된 성능의 악성코드 공격자 식별 모델을 제안한다. 연구에 앞서 악성코드 공격자 식별의 범주를 Authorship Identification로 제한하며 Microsoft Malware Classification Challenge(BIG 2015) Data set의 Label된 악성코드 Family를 식별할 것이다. Feature Engineering방법으로 N-gram기법을 활용하여 악성코드의 특징을 추출하며 추출된 Feature들을 Xgboost(Gradient Boosting)모델로 학습시켜 Accuracy를 높일 것이다. 본 연구를 시작으로 악성코드 공격자의 특징 추출과 공격자 식별의 연구가 활발해질 것으로 기대된다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
