$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 시그니처 기반 안티 바이러스 성능 향상 기법에 대한 연구
A Performance Enhancement Scheme for Signature-based Anti-Viruses 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.20 no.2, 2015년, pp.65 - 72  

조민재 (세종대학교 컴퓨터공학과) ,  신지선 (세종대학교 정보보호학과)

초록
AI-Helper 아이콘AI-Helper

안티바이러스는 단말에서 악성소프트웨어를 탐지하는데 있어 널리 사용되는 솔루션이다. 이 중 시그니처 기반 안티바이러스는 가장 기본적인 탐지방법으로 파일과 악성소프트웨어의 시그니처를 비교하여 탐지한다. 최근 악성소프트웨어의 수가 급격히 증가함에 따라 시그니처 기반 안티바이러스의 탐지 시간이 증가하고 시간당 처리량이 줄어들면서 성능 저하 문제가 발생되고 있다. 본 논문에서는 이를 극복하기 위해 제시된 주요 연구 결과를 살펴보고 이를 개선한 새로운 성능향상 솔루션을 제시한다. 특히, 본 논문의 솔루션은 성능향상 수준이 가장 높은 솔루션으로 알려진 SplitScreen과 비교하여, 클라이언트의 작업을 줄이고, 시그니처 서버와의 통신비용을 줄여 안티바이러스 솔루션의 성능향상에 기여하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

An anti-virus is a widely used solution for detecting malicious software in client devices. In particular, signature-based anti-viruses detect malicious software by comparing a file with a signature of a malicious software. Recently, the number of malicious software dramatically increases and hence ...

주제어

#시그니처 기반 안티바이러스   #블룸필터   #클라우드   #클라이언트 성능  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  •  본 논문에서는 MD5 시그니처에 초점을 맞추어 SplitScreen의 솔루션을 개선하여 MD5 시그니처 탐색 성능 향상의 방법을 제시한다.
  • 특히, 클라이언트의 작업에 대한 성능 향상 방법들을 이해한다. 또한, 이를 개선한 솔루션을 제안하여 시그니처 기반 안티바이러스 성능 향상에 기여하고자 한다.
  • 본 논문에서는 기초적인 시그니처 기반 탐지의 한계를 극복하는 기법들을 살펴본다. 특히, 클라이언트의 작업에 대한 성능 향상 방법들을 이해한다.
  • 본 논문에서는 시그니처 기반 안티바이러스 성능 향상을 위한 방법인 사전 검사 방식과 클라우드 방식 2가지를 살펴보았다. 사전 검사 방식은 시그니처 데이터 사전 검사를 통하여 의심되지 않은 파일을 필터링함으로써 성능 향상시키는 방식이다.
  • 본 논문은 시그니처 기반 안티바이러스 성능 향상을 위한 연구 방법 동향을 정리함으로써 향후 시그니처 기반 안티바이러스의 탐지 솔루션 개발에 도움을 주고자 한다. 또한 본 논문의 제안 방식은 서버에서 사전 검사를 수행함으로써 클라이언트의 작업량과 통신비용을 감소시켰으며 새로운 시그니처에 대해서 빠르게 대응할 수 있다는 장점이 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
ClamAV의 시그니처의 2가지 타입은 각각 무엇인가? ClamAV의 시그니처는 2가지 타입의 시그니처를 포함한다. 첫 번째 타입의 시그니처는 전체 파일이나 세그먼트를 MD5(message digest algorithm 5)로 해싱한 시그니처이다. 다른 시그니처는 바이트 패턴 시그니처로써 정규 표현식과 같은 문법을 가진 커스텀 언어로 작성된다. 바이러스를 탐색할 때 ClamAV는 처음에 몇 가지 사전검사 단계를 수행하며 각 입력 파일을 시그니처 데이터베이스와 검사한다.
안티바이러스란? 이러한 악성소프트웨어를 탐지하기 위해 안티바이러스를 이용한다. 안티바이러스는 악성소프트웨어를 발견하고 삭제하는 소프트웨어이다. 안티바이러스에서 악성소프트웨어를 발견하기 위해서 사용되는 방 법에는 시그니처 기반 탐지[3], 휴리스틱(heuristic) 기반 탐지[4], 행위 기반 탐지[5,6] 등이 있다.
안티바이러스에서 사용되는 악성소프트웨어 발견 방법은 무엇이 있는가? 안티바이러스는 악성소프트웨어를 발견하고 삭제하는 소프트웨어이다. 안티바이러스에서 악성소프트웨어를 발견하기 위해서 사용되는 방 법에는 시그니처 기반 탐지[3], 휴리스틱(heuristic) 기반 탐지[4], 행위 기반 탐지[5,6] 등이 있다. 그 중 시그니처 기반 탐지는 안티바이러스의 가장 기본적인 솔루션으로 파일이 악성코드의 패턴을 가지고 있는지 검사하는 방식이다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. ASEC Report, http://download.ahnlab.com/asecReport/ASEC_Report_Vol.60_Kor.pdf 

  2. McAfee Report, http://www.mcafee.com/kr/resources/reports/rp-quarterly-threat-q3-2014.pdf 

  3. J.O. Kephart and W.C. Arnold. 1994. "Automatic Extraction of Computer Virus Signatures." In Proc.of the 4th Virus Bulletin Int'l Conf. Virus Bulletin Ltd., Abingdon, pp. 178-184. 

  4. Arnold, W. and G. Tesauro, "Automatically generated Win32 heuristic virus detection", in 10th Virus Bulletin International Conference (VB2000), pp. 51-60, 2000. 

  5. Cohen, F.: Computer viruses. Ph.D. thesis, University of South California, 1986 

  6. Cohen, F.B.: Computer viruses: Theory and experiments. Comput. Secur. Vol 6, No.1, pp. 22-35, 1987 

  7. Eun Jun Yoon, Hyun Sung Kim and Ki Dong Bu, "An Intrusion Detection System Using Pattern Classification", Proceedings of the Korea Society for Industrial Systems Conference, 2002. 

  8. Eun Jun Yoon, Hyun Sung Kim and Ki Dong Bu, "Intrusion Detection System using Pattern Classification with Hashing Technique", Journal of the Korea Industrial Information System Society, Vol. 8, No. 1, pp. 75-82, 2003. 

  9. Hyun Chul Cha, "A Solution for Timing Gap Problems on Network Intrusion Detection Systems", Journal of the Korea Industrial Information System Society, Vol. 7, No.1, pp. 1-6, 2001. 

  10. Seon Cheol Choi and Hyun Chul Cha, "A Detection Method for Network Intrusion using the NFR", Proceedings of the Korea Society for Industrial Systems Conference, 2001. 

  11. Jae Min Son, Hyun Sung Kim and Ki Dong Bu, "A Scheme for Protecting Security Rules in Intrusion Detection System", Journal of the Korea Industrial Information System Society, Vol. 8, No.4, pp. 8-16, 2003. 

  12. ClamAV, http://www.clamav.net/index.html 

  13. Erdogan, Ozgun, and Pei Cao. "Hash-AV: fast virus signature scanning by cache-resident filters," International Journal of Security and Networks 2.1, pp. 50-59, 2007 

    상세보기 crossref

  14. Kandhan, Ramakrishnan, Nikhil Teletia, and Jignesh M. Patel. "SigMatch: fast and scalable multi-pattern matching." Proceedings of the VLDB Endowment 3.1-2,pp. 1173-1184, 2010 

  15. Oberheide, Jon, Evan Cooke, and Farnam Jahanian. "CloudAV: N-Version Antivirus in the Network Cloud." USENIX Security Symposium, pp. 91-106, 2008 

  16. Cha, Sang Kil, et al. "SplitScreen: Enabling efficient, distributed malware detection." Communications and Networks, Vol 13, No. 2, pp. 187-200, 2011 

    원문보기 상세보기 crossref

  17. Tran Ngoc, T, Hieu T T, Ishii H, and Tomiyama S," Memory-efficient signature matching for ClamAV on FPGA.", In Communications and Electronics (ICCE), 2014 IEEE Fifth International Conference on, pp. 358-363, 2014 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

유발과제정보 저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로