트랜스포머를 이용한 한글형 악성코드 탐지 모델
HWP Malware Detection using Transformer
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구에서는 한글 문서형 악성 파일을 대상으로 스크립트 및 쉘코드 추출 등의 정적 분석을수행하고 악성코드 유형에 따른 동적 분석을 수행하여 한글 문서형 악성 파일의 특징을 추출한다. 도출된 특징을 기반으로 한글 문서형 악성 파일의 정보를 학습하고 딥러닝 기반의 한글 문서형 악성 파일 탐지 모델을 구축한다. HWP 파일의 스트림을 디코딩하면 주로 JavaScript로 구성된읽을 수 있는 텍스트가 일부 생성된다. 본 디코딩된 텍스트를 입력과 출력 간의 의존성을 포착하는 주의 메커니즘(attention mechanism)을 활용한 transformer 모델을 통해 효과적인 문서 기반 악성코드 탐지 모델을 제안하였다. 본 연구에서는 백신사에서 제공된 한글형 악성코드를 문서 구성요소별(스트림) 구분하고 17,265 개를 학습한 결과 96%이상의 정확도를 달성하였다.
Abstract
In this study, we perform static analysis on Hangul document-type malware files, including the extraction of scripts and shellcode, and carry out dynamic analysis based on the type of malware to identify characteristics of Hangul document-type malware files. Based on these characteristics, we learn information about Hangul document-type malware files and develop a deep learning-based detection model for them. Decoding streams in HWP files typically generate readable text composed mainly of JavaScript. We have proposed an effective document-based malware detection model using a transformer model that leverages an attention mechanism to capture dependencies between input and output. In this research, we differentiated Hangul-type malware provided by antivirus companies by document components (streams) and, after training on 17,265 instances, achieved an accuracy of over 96%.