사이버 범죄 수사를 위한 차세대 Malware 정보수집 아키텍처
The Next Generation Malware Information Collection Architecture for Cybercrime Investigation
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
최근 사이버범죄는 가상화 기술, 유포지 추적 회피 등 다양한 기술 등의 새로운 기술을 적용하여 추적이 점점 어려워지고 있다. 따라서 전통적인 악성코드 분석방법인 정적분석, 동적 분석 등방법은 악성코드 유포자를 추적하는 데 한계가 있다. 또한, 사이버 수사 분야에서는 악성코드 자체에 대한 분석보다 악성코드 유포자를 추적하는 것이 더욱 중요하다. 이에 따라, 본 논문에서는악성코드 유포자를 효율적으로 추적하기 위해 전통적인 분석방법과 OSINT, Intelligence 등 최근의정보수집 방법을 융합한 차세대 악성코드 정보수집 아키텍처를 제안한다. 본 논문에서 제안하는아키텍처는 기존의 악성코드 분석체계와 수사관점의 분석체계의 차이점을 기반으로 사이버범죄의관점에서 필요한 요소기술을 연관시킴으로 인해 사이버 범죄 수사에서 유포자 추적을 위한 핵심적인 접근 방법이 될 수 있다.
Abstract
Recently, cybercrime has become increasingly difficult to track by applying new technologies such as virtualization technology and distribution tracking avoidance. etc. Therefore, there is a limit to the technology of tracking distributors based on malicious code information through static and dynamic analysis methods. In addition, in the field of cyber investigation, it is more important to track down malicious code distributors than to analyze malicious codes themselves. Accordingly, in this paper, we propose a next-generation malicious code information collection architecture to efficiently track down malicious code distributors by converging traditional analysis methods and recent information collection methods such as OSINT and Intelligence. The architecture we propose in this paper is based on the differences between the existing malicious code analysis system and the investigation point's analysis system, which relates the necessary elemental technologies from the perspective of cybercrime. Thus, the proposed architecture could be a key approach to tracking distributors in cyber criminal investigations.
참고문헌 (25)
- ENISA Thread Landscape Report 2018, "ENISA", ~ (2019)
- 김영수, "보안 인텔리전트 유형 분류를 위한 다중 프로파일링 앙상블 모델", 한국콘텐츠학회 논문지, 17(3), pp.231~237 (2017), 한국콘텐츠학회[DOI]
- "Open Threat eXchange(OTX)"[URL]
- "Malware Information Sharing Platform(MISP)"[URL]
- 임창완, "실시간 사이버 위협 지능형 분석 및 예측 기술", 정보과학회 컴퓨팅의 실제 논문지, 25(11), pp.565~570 (2019), 한국정보과학회[DOI]
- Choi Wonseok, "A System for Generating and Sharing Cyber Threat Intelligence on malicious code", Korea Software Congress 2018, pp.1035~1036 (2018)
- 석선희, "Convolutional Neural Network 기반의 악성코드 이미지화를 통한 패밀리 분류", 정보보호학회논문지, 26(1), pp.197~208 (2016), 한국정보보호학회[DOI]
- Taejin Le, "Trend of intelligent malicious code analysis technology using machine learning", REVIEW OF KIISC, 28(2), pp.12~19 (2018)
- 황준호, "정적 분석과 앙상블 기반의 리눅스 악성코드 분류 연구", 정보보호학회논문지, 29(6), pp.1327~1337 (2019), 한국정보보호학회[DOI]
- 황준호, "2-Dimension 정적 Feature Set이 적용된 Convolutional Neural Network 기반의 악성코드 패킹 분석", 한국통신학회논문지, 43(12), pp.2089~2099 (2018), 한국통신학회[DOI]
- 정성민, "V-그램: 명령어 기본 블록과 딥러닝 기반의 악성코드 탐지", 정보과학회논문지, 46(7), pp.599~605 (2019), 한국정보과학회[DOI]
- M. Sharif, "Automatic Reverse Engineering of Malware Emulators", 2009 30th IEEE Symposium on Security and Privacy, pp.94~109 (2009)
- 김순곤, "가상화 기반 난독화 및 역난독화를 위한 코드 자동 분석 기술", 한국정보전자통신기술학회 논문지, 11(6), pp.724~731 (2018), 한국정보전자통신기술학회
- Ki-Hwan Kim, "A Malware Variants Detection Method using Malicious Behavior Signature", Korea Software Congress 2019, pp.1633~1635 (2019)
- 안진웅, "분석 회피 기능을 갖는 안드로이드 악성코드 동적 분석 기능 향상 기법", 정보보호학회논문지, 29(3), pp.519~529 (2019), 한국정보보호학회[DOI]
- "Ollydbg"[URL]
- "IDA pro"[URL]
- "Cuckoo Sandbox"[URL]
- "IP2Location"[URL]
- "MaxMind"[URL]
- "GeoByte"[URL]
- "NetAcuity"[URL]
- "DomainTools"[URL]
- "Virustotal"[URL]
- "C-TAS"[URL]