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.
이용수
초록· 키워드
오류제보하기
사이버 위협에 있어서 악성코드를 활용하는 것은 시대를 불문하고 지속적으로 활용되고 있고, 앞으로 IT기술이 발전하여도 여전히 주요한 공격 방법이 될 것이다. 따라서 이러한 악성코드를 탐지하기 위한 연구는 끊임없이 다양한 방법으로 시도되고 있다. 최근에는 AI 관련 기술이 발전하면서 악성코드 탐지에도 이와 관련한 연구를 많이 진행하고 있다. 본 연구에서는 동적분석 데이터 중 API Call이 발생하는 각각의 호출간격, 즉 시간차이(Time Interval)을 중심으로 특징값(Feature)을 생성하고, 이를 머신러닝 기법에 적용하여 악성코드를 탐지하는 방안을 제시하고자 한다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. Time Interval 기반 탐지 방안
Ⅳ. 실험 결과 및 분석
Ⅴ. 결론
References
참고문헌 (9)
참고문헌 신청
“Average 346,000 new malicious codes detected in 2018”, ITWorld, 12.13.2018, http://itworld.co.kr/news/113070
Kirti Mathur and Saroj Hiranwal, “A Survey on Techniques in Detection and Analyzing Malware Executables”, International Journal of Advanced Research in Computer Science and Software Engineering, Vol. 3, Issue 4, 2013.
Shankarapani, M.K, Mukkamala, S, “Malware detection using assembly and API call sequences.”, Journal in Computer Virology. 7(2):107-119, May. 2011.
Youngjoon Ki, Eunjin Kim, “A Novel Approach to Detect Malware Based on API Call Sequence Analysis.”, International Journal of Distributed Sensor Networks, Vol. 11, 2015.
Alazab, M, Venkatraman, S, “Zero-day malware detection based on supervised learning algorithms of API call signatures,” Conferences in Research and Practice in Information Technology Series, 121:171-182, 2010.
Shankarapani, M.K, Mukkamala, S, “Malware detection using assembly and API call sequences.”, Journal in Computer Virology. 7(2):107-119, May. 2011.
Youngjoon Ki, Eunjin Kim, “A Novel Approach to Detect Malware Based on API Call Sequence Analysis.”, International Journal of Distributed Sensor Networks, Vol. 11, 2015.
Alazab, M, Venkatraman, S, “Zero-day malware detection based on supervised learning algorithms of API call signatures,” Conferences in Research and Practice in Information Technology Series, 121:171-182, 2010.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
API 기초 악성코드 탐지를 위한 기계학습 알고리즘 비교
한국정보과학회 학술발표논문집
2018 .12
-
CNN Model to Classify Malware Using Image Feature
정보과학회 컴퓨팅의 실제 논문지
2018 .05
-
정적 분석 기반 기계학습 기법을 활용한 악성코드 식별 시스템 연구
정보보호학회논문지
2019 .08
-
Deep Learning을 활용한 악성코드 탐지 방법 동향 분석
Proceedings of KIIT Conference
2018 .06
-
Stacked Autoencoder 기반 악성코드 Feature 정제 기술 연구
정보보호학회논문지
2020 .08
-
유사 악성코드 생성을 이용한 악성코드 탐지 성능 향상
한국정보과학회 학술발표논문집
2018 .12
-
악성 API 호출 순서 기반 변종 악성코드 탐지 방법
한국정보과학회 학술발표논문집
2019 .12
-
Mem-Shot: Design and Implementation of API-Trigger Driven Memory Dump System for Obfuscated Malware Analysis
한국차세대컴퓨팅학회 논문지
2016 .01
-
악성코드 이미지화와 전이학습을 이용한 악성코드 분류 기법
한국정보통신학회 종합학술대회 논문집
2021 .05
-
Malware Family Recommendation using Multiple Sequence Alignment
Journal of KIISE
2016 .03
-
API 호출 구간 특성 기반 악성코드 탐지 기술
정보보호학회논문지
2022 .08
-
하이브리드 특징 및 기계학습을 활용한 효율적인 악성코드 분류 시스템 개발 연구
정보보호학회논문지
2018 .10
-
Opcode 빈도수 기반 악성코드 이미지를 활용한 CNN 기반 악성코드 탐지 기법
정보보호학회논문지
2022 .10
-
윈도우 API 의존 관계 그래프를 이용한 악성코드 인텔리전스 시스템 구축
한국정보기술학회논문지
2021 .04
-
API 통계 기반의 워드 클라우드를 이용한 악성코드 분석 기법
한국산학기술학회 논문지
2015 .10
-
악성 안드로이드 앱 탐지를 위한 개선된 특성 선택 모델
정보보호학회논문지
2020 .06
-
악성코드로부터 빅데이터를 보호하기 위한 이미지 기반의 인공지능 딥러닝 기법
전자공학회논문지
2017 .02
-
악성코드 동향 및 분석 방법
정보과학회지
2023 .01
-
바이너리 시각화와 기계학습을 이용한 악성코드 분류
정보과학회 컴퓨팅의 실제 논문지
2018 .04
-
지능형 악성코드 분석을 위한 리얼머신 기반의 바이너리 자동실행 환경
정보과학회 컴퓨팅의 실제 논문지
2016 .03
이 논문의 저자 정보
이 논문과 함께 이용한 논문
캐글 데이터셋을 이용한 머신러닝 악성코드 분류시스템에서 분류정확도 향상방법
김경신
한국컴퓨터정보학회 학술발표논문집
2019
.07
API 기초 악성코드 탐지를 위한 기계학습 알고리즘 비교
김진섭
,
류샤오
,
우균
한국정보과학회 학술발표논문집
2018
.12
효율적인 악성코드 분류를 위한 최적의 API 시퀀스 길이 및 조합 도출에 관한 연구
최지연
,
김희석
,
김규일
외 2명
정보보호학회논문지
2014
.10
악성코드 API 자동 분석 시스템
강홍구
,
김병익
,
이태진
외 2명
한국통신학회 학술대회논문집
2013
.11
악성코드 탐지 정확성 향상을 위한 행위 별 API List 비교 분석
김태근
,
임을규
한국통신학회 학술대회논문집
2011
.06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-004-000424479