API 호출 구간 특성 기반 악성코드 탐지 기술
Malware Detection Technology Based on API Call Time Section Characteristics
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 사회적 변화와 IC T기술의 발전에 따라 사이버 위협 또한 증가되고 있으며, 사이버위협에 사용되는 악성코드는 분석을 어렵게 하기 위해 분석환경 회피기술, 은닉화, 파일리스 유포 등 더욱 고도화 지능화 되고 있다. 이러한 악성코드를 효과적으로 분석하기 위해 머신러닝 기술이 활용되고 있지만 분류의 정확도를 높이기 위한 많은 노력이 필요하다. 본 논문에서는 머신러닝의 분류성능을 높이기 위해 API호출 구간 특성 기반 악성코드 탐지 기술을 제안한다. 제안하는 기술은 악성코드와 정상 바이너리의 API 호출 순서를 시간을 기준으로 구간으로 분리하여 각 구간별 API의 호출특성과 바이너리의 엔트로피 등의 특성인자를 추출한 후 SVM(Support Vector Mechine) 알고리즘을 이용하여 제안하는 방법이 악성바이너리를 잘 분석할 수 있음을 검증하였다.
Abstract
Cyber threats are also increasing with recent social changes and the development of ICT technology. Malicious codes used in cyber threats are becoming more advanced and intelligent, such as analysis environment avoidance technology, concealment, and fileless distribution, to make analysis difficult. Machine learning technology is being used to effectively analyze these malicious codes, but a lot of effort is needed to increase the accuracy of classification. In this paper, we propose a malicious code detection technology based on API call interval characteristics to improve the classification performance of machine learning. The proposed technology uses API call characteristics for each section and entropy of binary to separate characteristic factors into sections based on the extraction malicious code and API call order of normal binary. It was verified that malicious code can be well analyzed using the support vector machine (SVM) algorithm for the extracted characteristic factors.
참고문헌 (14)
- "ENISA Threat Landscape 2021", ENISA, ~ (2021)
- Fourth Industrial Revolution and Security Paradigm Changes, "Song Geunhye", Institute for Information & communication Technology Planning & evaluation, 16~27 (2018)
- Kim Jongrak, "The relationship between artificial intelligence and information security", Communications of the Korean Institute of Information Scientists and Engineers (Communications of KIISE), pp.14~16 (2018)
- HWANG, Ho, "Trend and Issue Dynamic Analysis for Malware", Proceedings of the Korea Information Processing Society Conference, pp.418~420 (2015), Korea Information Processing Society
- 황호, "악성코드 동적 분석을 위한 효율적인 다중실행경로탐색방법", 정보보호학회논문지, 26(2), pp.377~386 (2016), 한국정보보호학회[DOI]
- Hwang, Ho, "Trend and Issue Dynamic Analysis for Malware", Proceedings of the Korea Information Processing Society Conference (2015), Korea Information Processing Society
- Taejin Lee, "Trend of Intelligent Malicious Code Analysis Technology Using Machine Learning", Korea Institute Of Information Security And Cryptology, 28(2), pp.12~19 (2018)
- 박남열, "우회기법을 이용하는 악성코드 행위기반 탐지 방법", 정보보호학회논문지, 16(3), pp.17~28 (2006), 한국정보보호학회
- 김수정, "정적 분석 기반 기계학습 기법을 활용한 악성코드 식별 시스템 연구", 정보보호학회논문지, 29(4), pp.775~784 (2019), 한국정보보호학회[DOI]
- 하지희, "DLL", API 통계적 분석을 통한 Feature 추출 및 Machine Learning 기반 악성코드 탐지 기법, 2018, pp.43(4), 730~739[DOI]
- JAMALPUR, Sainadh, "Dynamic malware analysis using cuckoo sandbox", 2018 Second international conference on inventive communication and computational technologies (ICICCT). IEEE, pp.1056~1060 (2018)
- 강태우, "API call의 단계별 복합분석을 통한 악성코드 탐지", 정보보호학회논문지, 17(6), pp.89~98 (2007), 한국정보보호학회
- 조영민, "API Call Time Interval을 활용한 머신러닝 기반의 악성코드 탐지", 정보보호학회논문지, 30(1), pp.51~58 (2020), 한국정보보호학회[DOI]
- "Support-vector machine"[URL]