퍼미션 정보를 이용한 딥 러닝 기반 안드로이드 악성 앱 패밀리 분류
Deep Learning-based Android Malware Family Classification using Permissions
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
멀웨어 패밀리 분류는 특성이 유사하거나 동일한 멀웨어 샘플을 그룹화하는 것이다. 이러한 멀웨어 패밀리 분류는 대표적인 악성 패턴을 이해하여 그러한 패턴에 감염된 앱을 효율적으로 치료하거나, 양성 앱들이 감염되지 않게 보호하게 해 준다. 본 논문에서는, 오토인코더 기반의 딥 러닝을 적용하여 안드로이드 멀웨어 패밀리를 분류하는 새로운 방법을 제안한다. 제안한 기법은 안드로이드 악성 앱들의 퍼미션을 특징정보로 사용한다. 잘 알려진 DREBIN 데이터셋의 상위 20개 멀웨어 패밀리들을 대상으로 실험하여, 제안한 딥 러닝 기법의 성능을 평가한 결과, 기존 연구보다 더 좋은 성능을 보임을 확인하였다. 또한, 상위 30개의 멀웨어 패밀리들을 대상으로 제안 기법의 성능도 평가한다.
Abstract
Malware family classification is the grouping of malware samples with similar or identical characteristics into a same family. This plays an important role in understanding typical malicious patterns to fix the apps infected with those patterns, or protecting benign apps against being infected. In this paper, we propose a new method to classify Android malware families by applying deep learning based on autoencoder. The proposed method uses the permissions of Android malicious apps as a feature set. As a result of evaluating the performance of the proposed method by performing experiments with the top 20 malware families in the well-known DREBIN dataset, the method have showed better performance than the previous study. In addition, we also evaluate the performance of the method for the top 30 malware families in the DREBIN dataset.
참고문헌 (9)
- K. Liu, "A Review of Android Malware Detection Approaches Based on Machine Learning", IEEE Access, 8, pp.124579~124607 (2020)
- 박지현, "안드로이드 멀웨어 탐지에서 커스텀 퍼미션의 효과 분석", 2021 한국차세대컴퓨팅학회 춘계학술대회, pp.418~420 (2021)
- 강문영, "합성곱신경망을 사용한 이미지 기반의 안드로이드 악성소프트웨어 패밀리 분류", 정보과학회 컴퓨팅의 실제 논문지, 27(4), pp.189~197 (2021), 한국정보과학회[DOI]
- M. Kim, "Machine-Learning-Based Android Malware Family Classification Using Built-In and Custom permissions", Appl. Sci.2021, 11, pp.10244~ (2021)
- Predicting Successes and Failures of Clinical Trials with Outer Product–Based Convolutional Neural Network, "S. Seo", Front. Pharmacol, ~, pp.670670 (2021)
- 이준영, "오토인코더 및 확장 외적을이용한 잔차 신경망 기반 안드로이드 악성 앱 패밀리분류", 한국차세대컴퓨팅학회 춘계학술대회, pp.123~126 (2022)
- D. Arp, "DREBIN: Effective and explainable detection of android malware in your pocket", Proceedings of the 2014Network and Dist ributed System Security (NDSS) Symposium, pp.23~26 (2014)
- 김규식, "메소드 참조 빈도와 매니페스트 정보를 이용한 안드로이드 애플리케이션들의 유사도 측정", 한국차세대컴퓨팅학회 논문지, 13(3), pp.15~25 (2017), 한국차세대컴퓨팅학회
- 박건우, "CFG, 라이브러리 정보를 이용한 권한 기반 안드로이드 악성코드 탐지 기술의 성능 향상", 한국차세대컴퓨팅학회 논문지, 15(6), pp.15~24 (2019), 한국차세대컴퓨팅학회[DOI]