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
김수정 (호서대학교) 하지희 (호서대학교) 이태진 (호서대학교)
저널정보
한국정보보호학회 정보보호학회논문지 정보보호학회논문지 제28권 제5호
발행연도
2018.10
수록면
1,119 - 1,127 (9page)

이용수

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

초록· 키워드

오류제보하기
대부분의 침해공격은 악성코드를 통해 발생하고 있으며, 침해공격으로 인한 피해는 사물인터넷/사이버 물리 시스템과 연결되면서 사이버공간에만 국한되지 않고 실생활에 큰 위협이 되고 있다. 이에 따라, 다양한 악성코드 동적분석, 정적분석기술들이 연구되었는데, 악성코드 동적분석들은 결과적인 악성행위를 쉽게 확인할 수 있어 널리 사용되었으나 VM 환경탐지 시 동작하지 않는 anti-VM 악성코드가 증가하면서 어려움을 겪고 있고, 악성코드 정적분석 기술들은 코드자체를 해석할 수 있어 많은 정보를 얻을 수 있으나 난독화, 패킹 기술들이 적용되어 분석가를 어렵게 하고 있다. 본 논문에서는 정적분석기술의 주요 장애물인 난독화 유형을 자동식별, 분류하는 기술을 제안한다. 특히, 제안하는 모델을 통해 알려진 패커나 알려지지 않은 패커와 상관없이 일정한 기준에 의해 모든 악성코드를 분류할 수 있는 것이 가능하다. 악성코드 분류는 다양한 활용이 가능하지만, 예를 들면 악성코드 정적 feature에 기반하여 머신러닝 기반 분석을 할 때, 전체 파일에 대해 학습 및 분석하는 방식보다 악성코드 유형별 학습 및 분석이 더욱 효과적일 것이다. 이를 위해, PE구조에서 활용 가능한 feature에 대해 지도 학습 및 비지도 학습 방식의 모델을 설계했고, 98,000여개 샘플을 통해 결과 검증을 진행하였다.
#Packing #Malware classification #Section name #Clustering #Deep Learning

목차

요약
ABSTRACT
I. 서론
II. 관련연구
III. 제안모델
IV. 실험결과
V. 결론
References

참고문헌 (13)

참고문헌 신청
AV-TEST, The AV-TEST security report 2016/2017, AV-TEST report, Jul. 2017. Kaspersky Lab, Machine learning for malware detection, Kaspersky Lab, 2017. Deok-jo Jeon and Dong-gue Park, “Real-time malware detection method using machine learning,” The Journal of Korean Institute of Information Technology, 16(3), pp. 101-113, Mar. 2018. M.G. Schultz, E. Eskin, F. Zadok, and S.J. Stolfo, “Data mining methods for detection of new malicious executables,” Proceedings of the 2001 IEEE Symposium on Security and Privacy, pp. 38?49, Aug. 2001. U. Bayer, P.M. Comparetti, C. Hlauschek, C. Kruegel, and E. Kirda, “Scalable, Behavior-based malware clustering,” NDSS, vol. 9, pp. 8?11, Feb. 2009.

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

메모리 추가 신경망을 이용한 희소 악성코드 분류
강민철 ,  김휘강 정보보호학회논문지 2018 .08
CNN Model to Classify Malware Using Image Feature
Espoi ,  K. Kamundala ,  Chang Hoon Kim 정보과학회 컴퓨팅의 실제 논문지 2018 .05
랜섬웨어 동적 분석을 위한 시그니처 추출 및 선정 방법
이규빈 ,  옥정윤 ,  임을규 정보과학회 컴퓨팅의 실제 논문지 2018 .02
Themida의 API 난독화 복구 자동화에 관한 연구
이재휘 ,  이상진 디지털포렌식연구 2017 .06
코드 시그니처를 이용한 악성코드 탐지 및 패커 탐지
문해은 ,  성준영 ,  이현식 외 3명 한국정보과학회 학술발표논문집 2017 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-004-000068589