$\require{mediawiki-texvc}$

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.

심층학습과 악성코드 분석 연구 원문보기

정보과학회지 = Communications of the Korean Institute of Information Scientists and Engineers, v.36 no.2 = no.345, 2018년, pp.37 - 42  

정성민 (국민대학교) ,  이식 (국민대학교) ,  정지만 (국민대학교) ,  윤명근 (국민대학교)

초록이 없습니다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 최근 인공지능 기술 중 가장 주목 받고 있는 심층학습 기술과 악성코드 분석 연구에 적용된 사례를 소개했다. 심층학습을 정보보호 분야에 적용할 때에는 학습모델을 잘 디자인해야 하는 것은 물론이고, 학습 데이터가 대용량일 가능성이 높기 때문에 다양한 빅데이터 관리 기술과 학습 데이터 생성을 위한 확장성 있는 전처리 과정 개발이 중요하다.
  • 본고에서는 심층학습 기술을 악성코드 탐지 연구에 적용한 사례를 소개한다. 심층학습 모델과 빅데이터처리, 전처리 과정 등에 대하여 소개하고, 연구 과정을 통해서 발견된 다양한 이슈에 대해서 다루도록 한다.
  • 본고에서는 합성곱신경망 기반의 악성코드 탐지 연구 사례를 소개하고, 연구 진행 과정에서 발견된 이슈들을 소개한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (11)

  1. 딥 러닝, https://ko.wikipedia.org/wiki/딥_러닝, 2018.1 

  2. A. NG, "How Scale is Enabling Deep Learning", https://www.youtube.com/watch?vLcfLo7YP8O4, 2016.2. 

  3. K. Lee and M. Son, "Deepspotcloud: leveraging cross-region GPU spot instances for deep learning," IEEE Cloud'17 

  4. A. Kantchelian 외 7명, "Better Malware Ground Truth: Techniques for Weighting Anti-Virus Vendor Labels," ACM AISec'15 

  5. 정지만, 홍성현, 김영재, 명준우, 정성민, 이진우, 김준호, 윤명근, "4차 산업혁명을 대비한 딥러닝 기술의 금융보안 적용 연구", 금융정보보호공모전 최우수논문상 2017 

  6. N. Srivastava, G. Hinton, A. Krizhevsky, I. Sutskever, R. Salakhutdinov "Dropout: A Simple Way to Prevent Neural Networks from Overfitting", Journal of Machine Learning Research, 2014 

  7. X. Hu , S. Bhatkar, K. Griffin, K. G. Shin, "MutantX-S: Scalable Malware Clustering Based on Static Features," USENIX ATC'13 

  8. J. Saxe and K. Berlin, "Deep Neural Network Based Malware Detection Using Two Dimensional Binary Program Features," IEEE Malware'15 

  9. Microsoft Malware Classification Challenge (BIG 2015), https://www.kaggle.com/c/malware-classification. 

  10. I. Goodfellow, J. Shlens, and C. Szegedy, "Explaining and Harnessing Adversarial Examples," ICLR'15 

  11. Q. Wang 외 6인, "Adversary Resistant Deep Neural Networks with an Application to Malware Detection," KDD'17 

LOADING...
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