지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2020.9
- 수록면
- 377 - 380 (4page)
이용수
초록· 키워드
오류제보하기
Recently, malware is widely distributed by combining recent technologies such as packing, encoding and obfuscation to bypass anti-virus software. These kinds of technologies allow malware to survive longer, infect various computers and devices for longer periods of time, create a number of mutated malware, and make experts spend longer to analyze malware. Packers disrupt the reverse engineering process, making it difficult for security researchers to analyze new or unknown malware. Thus, we need to analyze as many malware as possible by first detecting the packed malware and analyzing not-packed malware, and then unpack the packed malware. Previously, the packing detection methods were based on mainly signature and entropy detection. However, these methods have increased the undetected rate with the appearance of custom packers. Due to these problems, there have been many research efforts on machine learning-based malware packing detection and classification. In this paper, we present an extensive experimental comparison of these machine learning-based algorithms. In particular, we extract a total of 13 important features and considers eight machine learning algorithms to detect the packing of malware. Experimental results show that we can also detect well malware packed by custom packers which did not studied in previous studies.
목차
Abstract
I. INTRODUCTION
II. RELATED WORK
III. FEATURE SELECTION AND DESCRIPTION
IV. EXPERIMENTAL COMPARISON
V. CONCLUSION
REFERENCES
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
A Study on Variant Malware Detection Techniques Using Static and Dynamic Features
JIPS(Journal of Information Processing Systems)
2020 .01
-
Automatic Malware Detection with Machine Learning Algorithms in a Smart Office Environment
IEIE Transactions on Smart Processing & Computing
2018 .08
-
악성코드 동향 및 분석 방법
정보과학회지
2023 .01
-
전처리를 이용한 CNN 악성코드 탐지 기법 소개
대한전자공학회 학술대회
2021 .06
-
Deep Learning을 활용한 악성코드 탐지 방법 동향 분석
Proceedings of KIIT Conference
2018 .06
-
PE Header-Based Multinomial Malware Classification Using ML for Computing Systems
한국통신학회 학술대회논문집
2023 .06
-
정적 분석과 스태킹 기법을 활용한 악성 코드 탐지 시스템에 관한 연구
전기학회논문지 P
2020 .09
-
하이브리드 특징 및 기계학습을 활용한 효율적인 악성코드 분류 시스템 개발 연구
정보보호학회논문지
2018 .10
-
악성 안드로이드 앱 탐지를 위한 개선된 특성 선택 모델
정보보호학회논문지
2020 .06
-
악성코드 행위 기반의 자동분석 방법 연구
Proceedings of KIIT Conference
2017 .06
-
DCM(Disassembly and Code Modification)기법을 활용한 멀웨어 변종생성 프레임워크 설계 및 구현
한국컴퓨터정보학회논문지
2020 .11
-
모바일 게임에서 악성 프로그램 탐지에 관한 연구
한국컴퓨터정보학회 학술발표논문집
2018 .01
-
악성코드의 이미지 기반 딥러닝을 위한 전처리 방법 설계 및 개발
멀티미디어학회논문지
2020 .05
-
정적 분석 기반 기계학습 기법을 활용한 악성코드 식별 시스템 연구
정보보호학회논문지
2019 .08
-
VR 멀웨어 감염 위협 분석
한국정보통신학회 종합학술대회 논문집
2024 .10
-
멀티모달 기반 악성코드 유사도 계산 기법
정보보호학회논문지
2019 .04
-
머신 러닝(Machine Learning)기법을 활용한 실시간 악성파일 탐지 기법
한국정보기술학회논문지
2018 .03
-
Voting Algorithm을 이용한 악성코드 데이터 세트 평가
대한전자공학회 학술대회
2022 .06
-
악성코드 API정보를 이용한 변종유형 예측방법 연구
한국통신학회 학술대회논문집
2015 .01
-
악성코드 이미지화와 전이학습을 이용한 악성코드 분류 기법
한국정보통신학회 종합학술대회 논문집
2021 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
FOMLC: Feature optimization and machine learning classification for malware detection
Abhijeet Thaka
,
e
,
Euijong Lee
외 1명
한국통신학회 학술대회논문집
2019
.06
소프트웨어 품질 평가를 위한 도구 기술
정재룡
전자공학회지
2023
.08
딥러닝 기반 알고리즘 코드 테스트 케이스 자동 생성 기술 연구
김도규
,
전민기
,
고상기
한국정보과학회 학술발표논문집
2023
.06
Unveiling Hidden Vulnerabilities: Similar Vulnerability Detection Using a Gradient Boosting Decision Tree
Jiashun Hao
,
Young-Woo Kwon
한국통신학회 학술대회논문집
2023
.06
인공지능 소프트웨어 시스템의 품질 속성과 시험 검증 기법 소개
정세훈
정보과학회지
2023
.06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-567-001678646