악성 파일 탐지 모델 취약성 분석 및 방어 프레임워크
Malware Detection Model Vulnerability Analysis and Defense Framework
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
오늘날 인공지능의 활용도가 무궁무진하게 발전하며, 다양한 분야에서 사용되고 있다. 개중에 보안 분야에서는 악성 파일을 탐지하고 해당 악성 파일에 의한 피해가 없도록 인공지능 모델을 활용한다. 본 연구에서는 특정 악성 파일 탐지 모델에 대해 Gradient Based한 상황과 Gradient Free한 상황으로 나누어 적대적 공격을 수행하고 취약성을 분석하는 프레임워크 및 악성 파일 탐지 모델에 대한 방어 기법을 제안하여 적용한다. 실험 결과 공격에 대해 최대 98%의 공격 성공률을, 방어 기법 적용 이후 최대 2%의 공격 성공률을 보였다. 이 과정에서 취약성 분석 레포트가 작성됨을 확인했다. 본 논문에서 산출된 프레임워크를 이용하여 더욱이 효과적으로 보안 분야에서 인공지능을 활용하고, 기존에 있던 악성 파일 탐지 모델의 안정성 및 미특정 모델들에 대한 안정성을 확보하고자 한다.
Abstract
Today, the use of artificial intelligence is endless and is used in various fields. Among them, artificial intelligence models are used in the security field to detect malicious files and prevent damage caused by the malicious files. In this study, a framework for performing hostile attacks and analyzing vulnerabilities by dividing into gradient-based and gradient-free situations for specific malicious file detection models and defense techniques for malicious file detection models are proposed and applied. As a result of the experiment, it showed an attack success rate of up to 98% against attack and a maximum attack success rate of 2% after applying the defense technique. It was confirmed that a vulnerability analysis report was created in this process. Using the framework calculated in this paper, we intend to more effectively utilize artificial intelligence in the security field and secure the stability of the existing malicious file detection model and the stability of unspecified models.