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
- 한국지능시스템학회 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS Vol.25 No.1
- 발행연도
- 2025.3
- 수록면
- 11 - 36 (26page)
- DOI
- 10.5391/IJFIS.2025.25.1.11
이용수
초록· 키워드
오류제보하기
Owing to progress in the usage of Internet-based applications, cybersecurity has become more important in various fields, such as education, government, and finance, as the risk of cyberattacks against networks has evolved. In this paper, we present a novel approach to developing an effective system that both detects malware and classifies URLs. We developed machine learning-driven malware detection techniques for the proposed system using portable executable (PE) header data. In our system, we employ decision trees and random forest models for malware detection, in which the chosen features are trained and tested to achieve high accuracy. The classifier that yields the highest classification accuracy is retained for use when new information needs to be classified. We applied strategies such as feature engineering, hyperparameter tuning, and the use of a confusion matrix heatmap for model optimization and enhancement. In addition, we adopted random forest, support vector machine, and logistic regression classifiers in our system. Our main objective was to obtain broad and accurate classifications of URLs. Using the accuracy, precision, recall, and f1-score, we evaluated the performance of our proposed system. Among the tested models, the random forest model yielded the highest accuracy of 99.98% for malware detection and 90.59% for malicious URL detection. The simulation results and comparison with other state-of-the-art approaches demonstrate that our system is robust in detecting cyberattacks and achieving cybersecurity.
목차
Abstract
1. Introduction
2. Background
3. Preliminaries
4. Methodology
5. Simulation and Results
6. Comparison and Discussion
7. Conclusion and Future Work
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Automatic Malware Detection with Machine Learning Algorithms in a Smart Office Environment
IEIE Transactions on Smart Processing & Computing
2018 .08
-
Experimental Comparison of Machine Learning Models in Malware Packing Detection
한국통신학회 APNOMS
2020 .09
-
A Study on Variant Malware Detection Techniques Using Static and Dynamic Features
JIPS(Journal of Information Processing Systems)
2020 .01
-
정적 분석과 스태킹 기법을 활용한 악성 코드 탐지 시스템에 관한 연구
전기학회논문지 P
2020 .09
-
PE Header-Based Multinomial Malware Classification Using ML for Computing Systems
한국통신학회 학술대회논문집
2023 .06
-
머신러닝 기반 악성 URL 탐지 기법
정보보호학회논문지
2022 .06
-
전처리를 이용한 CNN 악성코드 탐지 기법 소개
대한전자공학회 학술대회
2021 .06
-
다중 머신러닝 알고리즘을 이용한 악성 URL 예측 시스템 설계 및 구현
멀티미디어학회논문지
2020 .11
-
머신러닝을 활용한 실시간 리눅스 악성파일 탐지
한국정보기술학회논문지
2019 .07
-
머신 러닝(Machine Learning)기법을 활용한 실시간 악성파일 탐지 기법
한국정보기술학회논문지
2018 .03
-
악성코드 동향 및 분석 방법
정보과학회지
2023 .01
-
URL 주요특징을 고려한 악성URL 머신러닝 탐지모델 개발
한국정보통신학회논문지
2022 .12
-
악성 URL 탐지를 위한 URL Lexical Feature 기반의 DL-ML Fusion Hybrid 모델
정보보호학회논문지
2023 .12
-
A Chi-Square-Based Decision for Real-Time Malware Detection Using PE-File Features
JIPS(Journal of Information Processing Systems)
2016 .12
-
모바일 환경에서 실시간 악성코드 URL 탐지 및 차단 연구
한국컴퓨터정보학회논문지
2015 .06
-
악성 안드로이드 앱 탐지를 위한 개선된 특성 선택 모델
정보보호학회논문지
2020 .06
-
악성코드의 이미지 기반 딥러닝을 위한 전처리 방법 설계 및 개발
멀티미디어학회논문지
2020 .05
-
머신러닝을 이용한 검색량 기반 악성 URL 탐지기법 연구
전기학회논문지
2021 .01
-
특징 세분화를 통한 악성 URL 탐지 머신러닝 모델
Proceedings of KIIT Conference
2023 .11
-
딥러닝과 PDF 객체분석을 이용한 문서형 악성코드 탐지
전기학회논문지 P
2021 .03
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-092466253