사전 탐지와 예방을 위한 랜섬웨어 특성 추출 및 분류
Extraction and Taxonomy of Ransomware Features for Proactive Detection and Prevention
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
최근 들어 개인, 기업, 국가 등 사회 전반에 랜섬웨어에 의한 피해가 급증하고 있으며 그 규모도 점차 커지고 있다. 랜섬웨어는 사용자 컴퓨터 시스템에 침입하여 사용자의 중요 파일들을 암호화하여 사용자가 해당 파일들을 사용하지 못하게하고 그 댓가로 금품을 요구하는 악의적인 소프트웨어이다. 랜섬웨어는 기타 다른 악의적인 코드들에 비해 공격기법이 다양하고 정교하여 탐지가 어렵고 피해 규모가 크기 때문에 정확한 탐지와 해결 방법이 필요하다. 정확한 랜섬웨어를 탐지하기 위해서는 랜섬웨어의 특성들로 학습한 탐지 시스템의 추론엔진이 요구된다. 따라서 본 논문에서는 랜섬웨어의 정확한 탐지를위해 랜섬웨어가 가지는 특성을 추출하여 분류하는 모델을 제안하고 추출된 특성들의 유사성을 계산하여 특성의 차원을 축소한 다음 축소된 특성들을 그룹화하여 랜섬웨어의 특성으로 공격 도구, 유입경로, 설치파일, command and control, 실행파일, 획득권한, 우회기법, 수집정보, 유출기법, 목표 시스템의 상태 변경으로 분류하였다. 분류된 특성을 기존 랜섬웨어에 적용하여 분류의 타당성을 증명하였고, 차후에 이 분류기법을 이용해 학습한 추론엔진을 탐지시스템에 장착하면 새롭게 등장하는신종과 변종 랜섬웨어도 대부분 탐지할 수 있다.
Abstract
Recently, there has been a sharp increase in the damages caused by ransomware across various sectors of society, including individuals, businesses, and nations. Ransomware is a malicious software that infiltrates user computer systems, encrypts important files, and demands a ransom in exchange for restoring access to the files. Due to its diverse and sophisticated attack techniques, ransomware is more challenging to detect than other types of malware, and its impact is significant. Therefore, there is a critical need for accurate detection and mitigation methods. To achieve precise ransomware detection, an inference engine of a detection system must possess knowledge of ransomware features. In this paper, we propose a model to extract and classify the characteristics of ransomware for accurate detection of ransomware, calculate the similarity of the extracted characteristics, reduce the dimension of the characteristics, group the reduced characteristics, and classify the characteristics of ransomware into attack tools, inflow paths, installation files, command and control, executable files, acquisition rights, circumvention techniques, collected information, leakage techniques, and state changes of the target system. The classified characteristics were applied to the existing ransomware to prove the validity of the classification, and later, if the inference engine learned using this classification technique is installed in the detection system, most of the newly emerging and variant ransomware can be detected.
참고문헌 (16)
- 황윤철, "지능적 탐지 모델을 위한 악의적인 코드의 특징 정보 추출 및 분류", 산업융합연구, 20(5), pp.61~68 (2022), 대한산업경영학회[DOI]
- 황윤철, "능동적 탐지 대응을 위한 지능적 침입 상황 인식 추론 시스템 설계", 융합정보논문지, 12(4), pp.126~132 (2022), 중소기업융합학회[DOI]
- 김한석, "기계학습 기반 랜섬웨어 공격 탐지를 위한 효과적인 특성 추출기법 비교분석", 융합보안 논문지, 23(1), pp.117~123 (2023), 한국융합보안학회
- 이규빈, "랜섬웨어 동적 분석을 위한 시그니처 추출 및 선정 방법", 정보과학회 컴퓨팅의 실제 논문지, 24(2), pp.99~104 (2018), 한국정보과학회[DOI]
- K. W. Moon, "Recent Ransomware Trends and Development Direction", Journal of Information Security Society, 32(3), pp.33~39 (2022)
- 문기운, "최신 랜섬웨어 특징 분석", 한국통신학회논문지, 43(4), pp.715~722 (2018), 한국통신학회[DOI]
- 김홍석, "악성코드 유포 사이트 특성 분석 및 대응방안 연구", 정보보호학회논문지, 29(1), pp.93~103 (2019), 한국정보보호학회[DOI]
- 전덕조, "머신 러닝(Machine Learning)기법을 활용한 실시간 악성파일 탐지 기법", 한국정보기술학회논문지, 16(3), pp.101~113 (2018), 한국정보기술학회[DOI]
- Y. S. Lee, "Malicious code detection method trend analysis using deep learning", Proceedings of KIIT Conference, pp.166~169 (2018)
- "IBM Security X-Force Threat Intelligence Index"[URL]
- H. M. Nam, "Research on analysis of ransomware attack techniques and countermeasures", Proceedings of the Korea Internet Information Society Conference, 17(1), pp.283~284 (2016)
- 최희식, "사례로 살펴본 렌섬웨어 공격에 의한 피해를 최소화하는 연구 고찰", (사)디지털산업정보학회 논문지, 13(1), pp.103~111 (2017), (사)디지털산업정보학회[DOI]
- Chandrashekar, G., "A survey on feature selection methods", Computers & Electrical Engineering, 40(1), pp.16~28 (2014)
- K. H. Lee, "A study on a ransomware detection model using opcode and API clustering and similarity analysis", Korean Information Processing Society Conference Proceedings, 29(1), pp.179~182 (2022)
- 변지윤, "머신러닝 기반 악성코드 분류를 위한 재귀적 속성 추출 알고리즘", 한국컴퓨터정보학회논문지, 26(2), pp.61~68 (2021), 한국컴퓨터정보학회[DOI]
- Murtagh, F., "Algorithms for hierarchical clustering: an overview, II", Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 7(6), pp.e1219~ (2017)