기계학습 기반 악성코드 검출을 위한 이미지 생성 방법

Vol. 32, No. 2, pp. 381-390, 4월. 2022
10.13089/JKIISC.2022.32.2.381, Full Text:
Keywords: Malware detection, Static Analysis, Machine Learning, Image recognition
Abstract

기계학습 이미지 인식 기술의 발전에 따라 이를 악성코드 검출에 적용하는 방법이 연구되고 있다. 그 대표적인 접근법으로 악성코드 파일을 이미지로 변환하고 이를 CNN과 같은 딥러닝 네트워크에 학습시켜 악성코드 검출과 분류를 수행하는 연구가 진행되어 의미 있는 결과가 발표되고 있다. 본 연구에서는 기계학습을 사용한 악성코드 검출에 효과적인 이미지 생성방법을 제시하고자 한다. 이를 위하여 이미지 생성의 여러 선택 요소에 따른 악성코드 검출의 성능을 실험하고 분석하였으며, 그 결과를 반영하여 명령어 흐름의 특성을 좀 더 명확하게 나타낼 수 있는 선형적 이미지 생성방법을 제시하고 이 방법이 악성코드 검출의 정밀도를 높일 수 있음을 실험을 통하여 보였다.

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]
전예진, 안준선 and 김진이, "기계학습 기반 악성코드 검출을 위한 이미지 생성 방법," Journal of The Korea Institute of Information Security and Cryptology, vol. 32, no. 2, pp. 381-390, 2022. DOI: 10.13089/JKIISC.2022.32.2.381.

[ACM Style]
전예진, 안준선, and 김진이. 2022. 기계학습 기반 악성코드 검출을 위한 이미지 생성 방법. Journal of The Korea Institute of Information Security and Cryptology, 32, 2, (2022), 381-390. DOI: 10.13089/JKIISC.2022.32.2.381.