2020년도 인터넷정보학회 추계학술발표대회
Current Result Document :
| 한글제목(Korean Title) |
Variational AutoEncoder기반 변종 악성 코드 패밀리 분류 연구 |
| 영문제목(English Title) |
A Study on Classification of Variant Malware Family Based on Variational AutoEncoder |
| 저자(Author) |
이영전
한명묵
Young-Jeon Lee
Myung-Mook Han
|
| 원문수록처(Citation) |
VOL 21 NO. 02 PP. 0283 ~ 0284 (2020. 10) |
한글내용
(Korean Abstract) |
전통적으로 대부분의 악성 코드는 도메인 전문가에 의해 분석되었다. 악성 코드 전문가들은 대량의 악성 코드 데이터로부터 추출한 특징 정보를 활용하여 악성 코드를 분석하였다. 하지만 이러한 특징 기반의 분석방식은 분석가의 역량에 의존적이며 기존의 악성 코드를 변형하여 진화한 변종 악성코드를 탐지하는데 한계를 가지고 있다. 본 연구에서는 도메인 전문가의 개입 없이도 변종 악성 코드의 패밀리를 분류할 수 있는 Variational AutoEncder기반의 악성 코드 분류 방법을 제안한다. Variational AutoEncoder 네트워크는 주어진 데이터의 학습 과정에서 데이터의 특징을 잘 이해하며 정규 분포 내에서 새로운 데이터를 생성하는 특징을 가지고 있다. 해당 연구에서는 VisonLab에서 제공하는 Malimg데이터를 활용해 실험을 진행하였다. 악성 코드의 주요 특징 학습을 위해 수집한 데이터를 Variational AutoEncoder를 통해 사전 학습한다. 사전 학습된 모델의 인코더 네트워크는 분류기 학습 단계에서 악성 코드 주요 특징 추출에 활용된다. 악성 코드 패밀리 분류를 위해 추출한 주요 특징 데이터를 앙상블 Voting Classifier 분류기로 학습한다. 실험한 결과 악성 코드 패밀리 분류에서 94%의 높은 정확도를 보여주었다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
