기계학습 기반 악성코드 검출을 위한 이미지 생성 방법
Image Generation Method for Malware Detection based on Machine Learning
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
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.
Abstract
Many attempts have been made to apply image recognition based on machine learning which has recently advanced dramatically to malware detection. They convert executable files to images and train deep learning networks like CNN to recognize or categorize dangerous executable files, which shows promising results. In this study, we are looking for an effective image generation method that may be used to identify malware using machine learning. To that end, we experiment and assess the effectiveness of various image generation methods in relation to malware detection. Then, we suggest a linear image creation method which represents control flow more clearly and our experiment shows our method can result in better precision in malware detection.
참고문헌 (12)
- Mohammed N. Alenezi, "Evolution of Malware Threats and Techniques: A Review", International Journal of Communication Networks and Information Security, 12(3), pp.326~337 (2020)
- L. Nataraj, "Malware Images: Virualization and Automatic Classification", VizSec ‘11:Proceedings of the 8th International Symposium on Visualization for Cyber Security, (4), pp.1~7 (2011)
- Sunoh Choi, "Malware detection using malware image and deep learning", 2017International Conference on Information and Communication Technology Convergence (ICTC), pp.1193~1195 (2017), IEEE
- Bojan Kolosnjaji, "Adversarial malware binaries: Evading deep learning for malware detection in executables", 2018 26th European signal processing conference (EUSIPCO), pp.533~537 (2018), IEEE
- 석선희, "Convolutional Neural Network 기반의 악성코드 이미지화를 통한 패밀리 분류", 정보보호학회논문지, 26(1), pp.197~208 (2016), 한국정보보호학회[DOI]
- Niket Bhodia, "Transfer learning for image-based malware classification", 5th International Conference on Information Systems Security and Privacy, pp.719~726 (2019)
- Ke He, "Malware detection with malware images using deep learning techniques", 2019 18th IEEE International Conference On Trust, Security And Privacy In Computing And Communications, BigDataSE), pp.2019[DOI]
- Ke Zhang, "Malware Variants Classification for Section Contrast RGB Image using CNN", master, pp.2020
- Liu Liu, "Malware classification using gray-scale images and ensemble learning", 2016 3rd International Conference on Systems and Informatics (ICSAI), pp.1018~1022 (2016), IEEE
- Sang Ni, "Malware identification using visualization images and deep learning", Computers & Security, 77, pp.871~885 (2018)
- Jinpei Yan, "Detecting malware with an ensemble method based on deep neural network", Security and Communication Networks, 2018 (2018)
- 정성민, "V-그램: 명령어 기본 블록과 딥러닝 기반의 악성코드 탐지", 정보과학회논문지, 46(7), pp.599~605 (2019), 한국정보과학회[DOI]