메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
오상진 (연세대학교) 박래현 (연세대학교) 권태경 (연세대학교)
저널정보
한국정보보호학회 정보보호학회논문지 정보보호학회논문지 제29권 제3호
발행연도
2019.6
수록면
549 - 555 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 AV 벤더들의 악성코드 동향 보고서에 따르면 신종, 변종 악성코드의 출현 개수가 기하급수적으로 증가하고 있다. 이에 따라 분석 속도가 떨어지는 수동적 분석방법을 대체하고자 기계학습을 적용하는 악성코드 분석 연구가 활발히 연구되고 있다. 하지만 지도학습기반의 기계학습을 이용할 때 많은 연구에서 AV 벤더가 제공하는 신뢰성이 낮은 악성코드 패밀리명을 레이블로 사용하고 있다. 이와 같이 악성코드 레이블의 낮은 신뢰성 문제를 해결하기 위해 본 논문에서는 새로운 레이블링 기법인 “Unified Labeling”을 소개하고 나아가 Fine-grained 방식의 특징 분석을 통해 악성 행위 유사성을 검증한다. 본 연구의 검증을 위해 다양한 기반의 클러스터링 알고리즘을 이용하여 기존의 레이블링 기법과 비교하였다.
#Malware #Labeling #Machine Learning #Clustering

목차

요약
ABSTRACT
I. 서론
II. 기반 기술 소개
III. 시스템 설계
IV. 실험 설계 및 결과
V. 관련 연구
VI. 결론
References

참고문헌 (9)

참고문헌 신청
Kaspersky, “Overall Statistics For 2017”, https://securelist.com/ksb-overall-statis tics-2017/83453, Dec. 2018 Symantec, “Internet Security Threat Rep ort (ISTR)”, https://www. symantec.com /security-center/threat-report, Dec, 2018 G DATA SECURITY BLOG, https://w ww.gdatasoftware.com/blog, Dec, 2018 S ebastian, Marcos, et al. Avclass: A tool for massive malware labeling. International Symposium on Research in Attacks, Intrusions, and Defenses. Springer, pp. 230-253, Sep. 2016. google schola Kantchelian, Alex, et al. Better malware ground truth: Techniques for weighting anti-virus vendor labels. Proceedings of the 8th ACM Workshop on Artificial Intelligence and Security. pp. 45-56, Oct. 2015. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Windows 10 환경의 Box 클라우드 아티팩트 분석
윤혜민 ,  김재욱 ,  황은비 외 2명 정보보호학회지 2019 .12
취약점 데이터베이스 기반 개선된 보안관제 모델의 효과성 연구
현석우 ,  권태경 정보보호학회논문지 2019 .10
시나리오 기반 이미지 개발을 통한 파일 카빙 도구 검증 방안 연구
김해니 ,  김재욱 ,  권태경 정보보호학회논문지 2019 .08

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-004-000879884