초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

스마트폰 및 태블릿 등 디바이스가 다양화되고 무선 인터넷 망의 확대로 악성코드가 빠르게 증가하고 있다. 악성코드의 증가량 대부분은 원본 악성코드를 기반으로 재생성된 변종 악성코드이다. 이에 변종 악성코드를 적절하게 분류하여 대처하는 방식이 요구된다. 본 논문에서는 악성코드를 분류를 위하여 악성코드가 호출하는 API를 입력값으로 사용하고 자원 소모 절약 및 ...

스마트폰 및 태블릿 등 디바이스가 다양화되고 무선 인터넷 망의 확대로 악성코드가 빠르게 증가하고 있다. 악성코드의 증가량 대부분은 원본 악성코드를 기반으로 재생성된 변종 악성코드이다. 이에 변종 악성코드를 적절하게 분류하여 대처하는 방식이 요구된다. 본 논문에서는 악성코드를 분류를 위하여 악성코드가 호출하는 API를 입력값으로 사용하고 자원 소모 절약 및 특성값 계산을 목적으로 자연어 처리 기법을 적용하였다. 자연어 처리 기법은 단어 전처리 기법인 Word2Vec를 사용하고 특성값 계산을 위한 신경망은 RNN의 한 기법인 LSTM을 사용한다. 또한 중요 API에 가중치를 주기 위하여 Attention Mechanism을 적용하였다. 악성코드 API 호출과 자연어 처리 기법 이용한 악성코드 분류는 전통적인 분류 기법 또는 다른 신경망 기법보다 나은 분류 정확률을 보여주며 상대적으로 낮은 오탐률을 지닌다.

Abstract ▼ AI-Helper

Malware is rapidly increasing because devices are diversified and wireless Internet network is expanded. Most of the increase in the malware is variant malware regenerated based on original malicious code. Therefore, a method of appropriately classifying and coping with variant malwares is required....

Malware is rapidly increasing because devices are diversified and wireless Internet network is expanded. Most of the increase in the malware is variant malware regenerated based on original malicious code. Therefore, a method of appropriately classifying and coping with variant malwares is required. In this paper, we applied natural language processing method to reduce resource consumption and to calculate hidden value by using API called by malware. Word2Vec, a word preprocessing technique, and LSTM, a technique of RNN, were used as a neural network to calculate hidden values. We also applied Attention Mechanism to weight critical APIs. The proposed malware classification method using malware API call and natural language processing techniques showed better classification accuracy than other classical or other neural networks and has the relatively low false positive rate.

주제어