OP Code 특징 기반의 텍스트와 이미지 데이터셋 연구를 통한 인공지능 백신 개발 (Development of Vaccine with Artificial Intelligence: by Analyzing OP Code Features Based on Text and Image Dataset)

서지정보

· 발행기관 : 한국정보보호학회
· 수록지 정보 : 정보보호학회논문지 / 29권 / 5호 / 1019 ~ 1026페이지
· 저자명 : 최효경, 이세은, 이주현, 홍래영, 최원혁, 김형종

초록

지속적으로 새롭게 등장하는 악성 파일(malware)탐지의 어려움으로 인해 머신러닝 기반 인공지능 백신 개발의중요성이 크게 대두되고 있다. 하지만 현존하는 인공지능 백신은 파일의 일부 영역만을 검사하기 때문에 탐지율이 떨어진다는 단점이 존재한다. 이에 본 논문에서는 독자적인 로직을 기반으로 개발한 인공지능 백신에 근거하여, 파일 내전체 데이터를 검사하는 방법을 제안한다. 그 중 정상 파일과 비교했을 때 악성 파일에만 존재하는 unique한 함수에서 추출한 OP Code 특징을 학습 데이터셋으로 한 진단법 강화 방안을 제시한다. 해당 강화법의 성능을 RandomForest 알고리즘을 기반으로 한 CSV 데이터셋 학습과 Inception V3 모델을 기반으로 한 이미지 데이터셋 학습으로 나누어 테스트해본 결과, 약 80%의 탐지율을 도출하는 것을 확인할 수 있었다.

영어초록

Due to limitations of existing methods for detecting newly introduced malware, the importance of the development ofartificial intelligence vaccines arises. Existing artificial intelligence vaccines have a disadvantage that the accuracy of thedetection rate is low because those vaccines do not scan all parts of the file. In this paper, we suggest an enhanced methodfor detecting malware which is composed of unique OP Code features in the malware files. Specifically, we tested themethod with text datasets trained on Random Forest algorithm and with image datasets trained on the Inception V3 model.
As a result, the highest accuracy of the detection rate was about 80%.

참고자료

· 없음