지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.46 No.7
- 발행연도
- 2019.7
- 수록면
- 599 - 605 (7page)
- DOI
- 10.5626/JOK.2019.46.7.599
이용수
초록· 키워드
오류제보하기
악성코드가 급증하여 기계 학습 기반의 자동 탐지 연구가 중요해지고 있다. 악성코드 실행파일로부터 추출되는 opcode 시퀀스는 악성코드 탐지에 좋은 특징이기 때문에 바이트 기반의 n-그램 처리 기법을 거쳐 기계 학습의 입력 데이터로서 폭넓게 사용되고 있다. 본 논문에서는 처리 속도와 저장 공간 측면에서 기존 n-그램 방식을 크게 향상시키는 기본 블록 단위의 딥러닝 입력 데이터 가공 기법인 V-그램을 새롭게 제안한다. V-그램은 opcode 시퀀스로부터 의미 없는 입력 데이터의 불필요한 생성을 막을 수 있다. 본 논문에서는 64,000개 이상의 실제 정상 및 악성코드 파일을 수집하여 진행한 실험을 통해서, V-그램이 처리 속도와 저장 공간, 그리고 탐지 정확도 측면에서 모두 기존의 n-그램 기법보다 우수하다는 것을 검증하였다.
목차
요약
Abstract
1. 서론
2. 관련 연구
3. 기본 블록과 딥러닝 기반의 악성코드 탐지 모델
4. 실험 결과
5. 결론
References
참고문헌 (13)
참고문헌 신청
J. Saxe, and K. Berlin, "Deep neural network based malware detection using two dimensional binary program features," 2015 10th International Conference on Malicious and Unwanted Software (MALWARE), pp. 11-20, Oct. 2015.
S. Jeong, S. Lee, J. Jeong, and M. Yoon, "Deep Learning and Malware Analysis," Communications of the Korean Institute of Information Scientists and Engineers, Vol. 36, No. 2, pp. 37-42, Feb. 2018.
Z. Cui, F. Xue, Y. Cao, and G. Wang, "Detection of Malicious Code Variants Based on Deep Learning," IEEE Trans on Industrial Informatics, Vol. 14, No. 7, pp. 3187-3196, Jul. 2018.
S. Ni, Q. Qian, and R. Zhang, "‘Malware identification using visualization images and deep learning," Elsevier Computers and Security, Vol. 77, pp. 871-885, Aug. 2018.
J. Upchurch and X. Zhou, "First Byte: Force-Based Clustering of Filtered Block N-grams to Detect Code Reuse in Malicious Software," 2013 8th International Conference on Malicious and Unwanted Software: "The Americas" (MALWARE), pp. 68-76, Oct. 2013.
S. Jeong, S. Lee, J. Jeong, and M. Yoon, "Deep Learning and Malware Analysis," Communications of the Korean Institute of Information Scientists and Engineers, Vol. 36, No. 2, pp. 37-42, Feb. 2018.
Z. Cui, F. Xue, Y. Cao, and G. Wang, "Detection of Malicious Code Variants Based on Deep Learning," IEEE Trans on Industrial Informatics, Vol. 14, No. 7, pp. 3187-3196, Jul. 2018.
S. Ni, Q. Qian, and R. Zhang, "‘Malware identification using visualization images and deep learning," Elsevier Computers and Security, Vol. 77, pp. 871-885, Aug. 2018.
J. Upchurch and X. Zhou, "First Byte: Force-Based Clustering of Filtered Block N-grams to Detect Code Reuse in Malicious Software," 2013 8th International Conference on Malicious and Unwanted Software: "The Americas" (MALWARE), pp. 68-76, Oct. 2013.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
v-그램: 기본 블록과 딥러닝 기반의 악성코드 탐지
한국정보과학회 학술발표논문집
2018 .12
-
Opcode 를 사용한 악성코드 탐지 기법에 기계학습 알고리즘 적용
한국통신학회 학술대회논문집
2016 .06
-
Opcode 빈도수 기반 악성코드 이미지를 활용한 CNN 기반 악성코드 탐지 기법
정보보호학회논문지
2022 .10
-
N-gram Opcode를 활용한 머신러닝 기반의 분석 방지 보호 기법 탐지 방안 연구
정보보호학회논문지
2022 .04
-
A Study on Selecting Key Opcodes for Malware Classification and Its Usefulness
Journal of KIISE
2015 .05
-
Malware Detection Model with Skip-Connected LSTM RNN
Journal of KIISE
2018 .12
-
정적 분석 기반 기계학습 기법을 활용한 악성코드 식별 시스템 연구
정보보호학회논문지
2019 .08
-
CNN Model to Classify Malware Using Image Feature
정보과학회 컴퓨팅의 실제 논문지
2018 .05
-
N-gram과 위협 행위 기반의 Windows 악성코드 패밀리 주요 유형 패턴 분석
한국정보과학회 학술발표논문집
2021 .12
-
Deep Learning을 활용한 악성코드 탐지 방법 동향 분석
Proceedings of KIIT Conference
2018 .06
-
유사 악성코드 생성을 이용한 악성코드 탐지 성능 향상
한국정보과학회 학술발표논문집
2018 .12
-
Stacked Autoencoder 기반 악성코드 Feature 정제 기술 연구
정보보호학회논문지
2020 .08
-
악성코드로부터 빅데이터를 보호하기 위한 이미지 기반의 인공지능 딥러닝 기법
전자공학회논문지
2017 .02
-
유사성 해시 기반 악성코드 유형 분류 기법
정보보호학회논문지
2022 .10
-
악성코드 탐지를 위한 기계학습 알고리즘의 성능 비교
한국컴퓨터정보학회 학술발표논문집
2018 .01
-
바이너리 시각화와 기계학습을 이용한 악성코드 분류
정보과학회 컴퓨팅의 실제 논문지
2018 .04
-
기계학습 기반 악성코드 검출을 위한 이미지 생성 방법
정보보호학회논문지
2022 .04
-
영상 딥러닝 모델을 이용한 End-to-End 악성코드 탐지
한국통신학회 학술대회논문집
2019 .01
-
개선된 데이터 마이닝 기법을 이용한 악성코드 탐지 연구 동향
한국통신학회 학술대회논문집
2021 .06
-
악성코드 이미지화와 전이학습을 이용한 악성코드 분류 기법
한국정보통신학회 종합학술대회 논문집
2021 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0