$\require{mediawiki-texvc}$

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.

사전 탐지와 예방을 위한 랜섬웨어 특성 추출 및 분류
Extraction and Taxonomy of Ransomware Features for Proactive Detection and Prevention 원문보기

산업융합연구 = Journal of industrial convergence, v.21 no.9, 2023년, pp.41 - 48  

황윤철 (한남대학교 탈메이지 교양.융합대학)

초록
AI-Helper 아이콘AI-Helper

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 못하게 하고 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 탐지를 위해 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 등장하는 신종과 변종 랜섬웨어도 대부분 탐지할 수 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

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 r...

주제어

#랜섬웨어   #특성   #추출   #선택   #분류  

참고문헌 (16)

  1. Y. C. Hwang. (2022). Extraction and classification？of malicious code feature information for？intelligent detection model. Industrial Convergence？Research (formerly Journal of the Korean？Society of Industrial Management), 20(5), 61-68.？DOI : 10.22678/JIC.2022.20.5.061 

    원문보기 상세보기 crossref

  2. Y. C. Hwang, & H. J. Mun. (2022). Design of？Intelligent Intrusion Context-aware Inference？System for Active Detection and Response？Journal of Convergence for Information？Technology, 12(4), 126-132.？DOI : 10.22156/CS4SMB.2022.12.04.126 

    원문보기 상세보기 crossref

  3. H. S. Kim, & S. J. Lee. (2023). Comparative？analysis of effective feature extraction techniques？for machine learning-based ransomware attack？detection. Journal of Convergence Security,？23(1), 117-123. 

  4. K. B. Lee, J. Y. Ok, & K. Lim. (2018). Signature？extraction and selection method for ransomware？dynamic analysis. The actual journal of？computing of the Society for Information？Science, 24(2), 99-104.？DOI : 10.5626/KTCP.2018.24.2.99 

    원문보기 상세보기 crossref

  5. K. W. Moon, J. H. Lee. (2022). Recent Ransomware？Trends and Development Direction. Journal of？Information Security Society, 32(3), 33-39. 

  6. K.W. Moon, J. H. Lee (2018). Analysis of latest？ransomware features. Journal of the Korean？Society of Communications and Communications,？43(4), 715-722.？DOI : 10.7840/kics.2018.43.4.715 

    상세보기 crossref

  7. H. S. Kim, I. S. Kim. (2019). Malicious code？distribution site characteristics analysis and？countermeasures study. Journal of the Information Security Society, 29(1), 93-103. 

  8. D. J. Jeon, & D. G. Park. (2018). Real-time？malicious file detection technique using machine？learning technique. Journal of the Korean？Society of Information Technology, 16(3), 101-113. 

  9. Y. S. Lee, J. W. Lee, N. Y. Rae, S. J. Jung, K？Seong, & W. Y So. (2018, June). Malicious code？detection method trend analysis using deep？learning. In Proceedings of KIIT Conference？(pp. 166-169). 

  10. IBM Security X-Force Threat Intelligence Index？(accessed January 6, 2023), https://www.ibm.com/reports/threat-intelligence 

  11. H. M. Nam, J. S. Jang, & Y. H. Jeon. (2016).？Research on analysis of ransomware attack？techniques and countermeasures. Proceedings？of the Korea Internet Information Society？Conference, 17(1), 283-284. 

  12. H. Choi, & Y. Cho (2017). Research on？Minimizing the Damage from Ransomware？Attack by Case Study. Journal of Korea Society？of Digital Industry and Information Management,？13(1), 103-111.？DOI : 10.17662/KSDIM.2017.13.1.103 

    원문보기 상세보기 crossref

  13. Chandrashekar, G., & Sahin, F. (2014). A survey？on feature selection methods. Computers &？Electrical Engineering, 40(1), 16-28. 

    상세보기

  14. K. H. Lee, M. C. Hwang, Y. I. Koo, D. Y. Hyun,？& Y. Y. Yoo. (2022). A study on a ransomware？detection model using opcode and API clustering？and similarity analysis. Korean Information？Processing Society Conference Proceedings,？29(1), 179-182. 

  15. J. Y. Byeon, D. H. Kim, H. C. Kim, & S. Y. Choi,？(2021). RFA: Recursive Feature Addition？Algorithm for Machine Learning-Based Malware？Classification. Journal of the Korea Society of？Computer and Information, 26(2), 61-68.？DOI : 10.9708/JKSCI.2021.26.02.061 

    원문보기 상세보기 crossref

  16. Murtagh, F., & Contreras, P. (2017). Algorithms？for hierarchical clustering: an overview, II.？Wiley Interdisciplinary Reviews: Data Mining？and Knowledge Discovery, 7(6), e1219. 

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

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