SVM 기반 유전 알고리즘을 이용한 컴파일러 분석 프레임워크 : 특징 및 모델 선택 민감성

Vol. 30, No. 4, pp. 537-544, 8월. 2020
10.13089/JKIISC.2020.30.4.537, Full Text:
Keywords:
Abstract

악성코드 기술 발전으로 변이, 난독화 등의 탐지 회피 방법이 고도화되고 있다. 이에 악성코드 탐지 기술에 있어 알려지지 않은 악성코드 탐지 기술이 중요하며, 배포된 악성코드를 통해 저자를 식별하여 알려지지 않은 악성코드를 탐지하는 악성코드 저자 식별 방법이 연구되고 있다. 본 논문에서는 바이너리 기반 저자 식별 방법에 대해 중요 정 보인 컴파일러 정보를 추출하고자 하였으며, 연구 간에 특징 선택, 확률 및 비확률 모델, 최적화가 분류 효율성에 미 치는 민감성(Sensitive)을 확인하고자 하였다. 실험에서 정보 이득을 통한 특징 선택 방법과 비확률 모델인 서포트 벡터 머신이 높은 효율성을 보였다. 최적화 연구 간에 제안하는 프레임워크를 통한 특징 선택 및 모델 최적화를 통 해 높은 분류 정확도를 얻었으며, 최대 48%의 특징 감소 및 51배가량의 빠른 실행 속도라는 결과를 보였다. 본 연 구를 통해 특징 선택 및 모델 최적화 방법이 분류 효율성에 미치는 민감성에 대해 확인할 수 있었다.

Statistics
Show / Hide Statistics

Statistics (Cumulative Counts from December 1st, 2017)
Multiple requests among the same browser session are counted as one view.
If you mouse over a chart, the values of data points will be shown.


Cite this article
[IEEE Style]
C. Hwang, G. Shin, D. Kim and M. Han, "Compiler Analysis Framework Using SVM-Based Genetic Algorithm : Feature and Model Selection Sensitivity," Journal of The Korea Institute of Information Security and Cryptology, vol. 30, no. 4, pp. 537-544, 2020. DOI: 10.13089/JKIISC.2020.30.4.537.

[ACM Style]
Cheol-Hun Hwang, Gun-Yoon Shin, Dong-Wook Kim, and Myung-Mook Han. 2020. Compiler Analysis Framework Using SVM-Based Genetic Algorithm : Feature and Model Selection Sensitivity. Journal of The Korea Institute of Information Security and Cryptology, 30, 4, (2020), 537-544. DOI: 10.13089/JKIISC.2020.30.4.537.