문자열 빈도 정보를 이용한 MS 윈도우 실행파일의 효과적인 분류기법
An Effective Classification Scheme for Microsoft Windows Executables using Frequency Information of Strings
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
불법 소프트웨어를 효율적으로 필터링하기 위해, 소프트웨어 분류 기법이 도입되었다. 본 논문에서는 문자열 빈도 정보에 기반하여 MS 윈도우 실행파일들을 효과적으로 분류하는 기법을 제안한다. 제안 기법은 윈도우 실행파일의 .text, .data, .rdata, .rsrc 등의 섹션에서 문자열들을 추출한 후, LDF(Local Document Frequency)-IDF(Inverse Document Frequency)-ICF(Inverse Category Frequency) 값들을 결합하여 카테고리별 문자열 점수표를 계산하여 유지한다. 의심 프로그램(실행파일)이 유용한 문자열 정보를 포함하고 있을 경우, 제안 기법은 카테고리 별 문자열 점수표를 사용하여 의심 프로그램의 문자열(단어)들에 대한 각 점수를구하고, 그 점수들을 합산하여 총 점수를 구한다. 마지막으로, 그 의심 프로그램을 최고 높은 총 점수를 나타내는 카테고리로 분류한다. 제안 기법의 효용성을 검증하기 위해, 9개의 카테고리, 각 카테고리마다 55개의실행파일을 대상으로 실험하였다. 495개의 실행파일을 대상으로 한 실험결과, 제안 기법이 약 75%의 분류 정확도를 보임을 확인하였다.
Abstract
In order to filter and block illegal software efficiently, software classification is employed. In this paper, we propose a new software classification scheme that effectively categorizes Microsoft Windows executable files using frequency information of strings. The proposed scheme first extracts strings from the .text, .data, .rdata, and .rsrc sections of each Windows executable, and then computes and maintains a score table of the strings by combining Local Document Frequency (LDF), Inverse Document Frequency (IDF), and Inverse Category Frequency (ICF). If a suspicious program (Windows executable) got useful string information, we calculate scores of the strings in the suspicious program based on the score table of strings of each category, sums up the scores, and obtains a total score per each category. Finally, we classify the suspicious program into a specific category which represents the highest total score. For verifying the effectiveness of the proposed scheme, we perform experiments with nine categories and 55 programs each category. The experimental results show that about 75% of the 495 executables are correctly classified.
참고문헌 (23)
- IDC, "The Dangerous World of Counterfeit and Pirated Software", ~ (2013)
- Dongjin Kim, "An Effective intelligent Windows application filtering system using software similarity", Soft Computing (A Fusion of Foundations, Methodologies and Applications)(Online version), 20(5), pp.1821~1827 (2016)
- Yesol Kim, "Machine learning-based software classification scheme for efficient program similarity analysis", Proceedings of the 2015 Conference on research in adaptive and convergent systems, pp.114~118 (2015), ACM
- "ResourceExtract" (2016)[URL]
- "Stopwords" (2016)[URL]
- 최성하, "소프트웨어 몽타주 기반의 안드로이드 애플리케이션 자동 분류 기법", 정보과학회 컴퓨팅의 실제 논문지, 18(11), pp.756~761 (2012), 한국정보과학회
- "TF-IDF" (2016)[URL]
- "software. informer" (2016)[URL]
- "alternativeTo" (2016)[URL]
- "sourceforge" (2016)[URL]
- "filehippo" (2016)[URL]
- "FreewareFiles" (2016)[URL]
- "uptodown" (2016)[URL]
- "oldversion. com" (2016)[URL]
- "IDApro" (2016)[URL]
- "IDAPython" (2016)[URL]
- "Language Identifier Constants and Strings" (2016)[URL]
- SeongWook Kang, "A Robust and Efficient Birthmark-based Android Application Filtering System", 2014 Research in Adaptive and Convergent System (ACM RACS 2014) (2014)
- 채동규, "정적 API 호출 빈도를 이용한 소프트웨어 버스마킹 시스템", 정보과학회 컴퓨팅의 실제 논문지, 19(5), pp.298~302 (2013), 한국정보과학회
- 황윤하, "유사한 MS 윈도우 애플리케이션 탐지를 위한 소프트웨어 분류에 관한 연구", 2013 한국소프트웨어감정평가학회 춘계학술대회 (2013)
- 한용만, "동적 연결 라이브러리 기반대회", ~ (2013)
- 한용만, "동적 연결 라이브러리 기반의 MS 윈도우 애플리케이션 분류 기법", 한국소프트웨어감정평가학회 논문지, 9(1), pp.39~47 (2013), 한국소프트웨어감정평가학회
- 김예솔, "프로그램 간 효율적인 유사성 분석을 위한 특징정보 기반의 소프트웨어 분류 기법", 석사, 컴퓨터학과, pp.2015