메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
하지희 (호서대학교) 김수정 (호서대학교) 이태진 (호서대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제43권 제4호
발행연도
2018.4
수록면
730 - 739 (10page)
DOI
10.7840/kics.2018.43.4.730

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근에 들어 랜섬웨어를 비롯해 다양한 형태의 신종/변종 악성코드가 하루에도 수십만 개 이상 등장하고 있으며, 직접적인 금전탈취 목적의 악성코드가 갈수록 증가하고 있는 추세이다. 이와 같이 대량으로 출현하는 악성코드를 적은 자원을 소모하면서 빠르게 처리하기 위해서는 정적기반 분석기법이 필수적으로 요구된다. 본 논문에서는 정적 분석 기법 중 Imported DLL과 API를 이용해 신속하고 Light한 Feature로 구성해 악성코드를 탐지하고자 한다. 8만여개 파일의 Imported DLL/API를 전수 조사하여 악성코드와 정상파일간의 출현 비율에 따른 경향성을 파악하고 Machine Learning결과를 비교분석해 Feature 선별 정책을 검증하여 다른 악성코드분석과 연계할 가능성을 제공하고 DLL/API를 기반으로 악성코드 분석의 정확도를 향상시키는 데 기여하리라 예상한다. 실험을 통해 산출된 주요한 DLL/API 정보들은 악성코드 변종탐지와 악성코드 그룹분류, 악성코드 유형 분류 등에 광범위하게 사용할 수 있으며 여러 가지 악성 분석 연구에 공통의 기반으로 활용가능하다.
#Malware Detection #Static Analysis #DLL #API #Deep Neural Network

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 본문
Ⅲ. 실험
Ⅳ. 결론
References

참고문헌 (11)

참고문헌 신청
S.-B. Park, M.-S. Kim, and B.-N. Noh, “Detection method using common features of malware variants generated by automated tools,” J. Korean Inst. Inf. Technol., vol. 10, no. 9, pp. 67-75, Sept. 2012. J. Park, Deep learning based malicious code detection using API features, M. S. Thesis, Konkuk University, 2017. H. V. Nath and B. M. Mehtre, “Static malware analysis using machine learning methods,” Int. Conf. Secur. Comput. Netw. and Distrib. Syst., pp. 440-450, Trivandrum, India, Mar. 2014. W. Liu, P. Ren, K. Liu, and H. Duan, “Behavior-based malware analysis and detection,” IWCDM, pp. 39-42, Nanjing, China, Sept. 2011. Y. Zhong, H. Yamaki, and H. Takakura, “A malware classification method based on similarity of function structure,” 2012 12th Int. Symp. IEEE/IPSJ Appl. Internet (SAINT), pp 256-261, Izmir, Turkey, Jul. 2012.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

머신 러닝을 이용한 악성코드의 분류
권혜윤 한국정보과학회 학술발표논문집 2017 .12
딥러닝 기반의 R-CNN을 이용한 악성코드 탐지 기법
조영복 디지털콘텐츠학회논문지 2018 .06
API 통계 기반의 워드 클라우드를 이용한 악성코드 분석 기법
유성태 ,  오수현 한국산학기술학회 논문지 2015 .10
API 기초 악성코드 탐지를 위한 기계학습 알고리즘 비교
김진섭 ,  류샤오 ,  우균 한국정보과학회 학술발표논문집 2018 .12
동적 분석과 심층 신경망 모델을 이용한 악성코드 분류 연구
한채연 ,  김영재 ,  허준녕 외 1명 한국정보과학회 학술발표논문집 2018 .06

최근 본 자료

전체보기

댓글(0)

0