정적 분석과 앙상블 기반의 리눅스 악성코드 분류 연구

Vol. 29, No. 6, pp. 1327-1337, 12월. 2019
10.13089/JKIISC.2019.29.6.1327, Full Text:
Keywords: Linux Malware, Machine Learning, Static Analysis
Abstract

IoT 시장의 성장과 더불어 linux 아키텍쳐를 사용하는 디바이스들에 대해 악성코드 보안 위협이 꾸준히 증가하고있다. 하지만, Mirai 등의 심각한 보안피해를 야기한 주요 악성코드들을 제외하면 linux 악성코드에 대한 보안 커뮤니티의 관련 기술이나 연구는 전무한 수준이다. 또한, IoT 환경의 디바이스, 벤더, 아키텍쳐 등의 다양성이 더욱 심화됨에 따라 linux 악성코드 대응 난이도 또한 심화되고 있다. 따라서, 본 논문에서는 linux 아키텍쳐의 주요 포맷인 ELF를 분석하고 이를 기반으로 한 분석 시스템과, IoT 환경을 고려한 바이너리 기반의 분석 시스템을 제안한다. ELF 기반의 분석 시스템은 상대적으로 고속으로 다수의 악성코드에 대해 전처리 분류 할 수 있으며 상대적으로 저속의 바이너리 기반의 분석 시스템은 전처리 하지 못한 데이터에 대해 모두 분류 가능하다. 이러한 두 개의 프로세스는 서로 상호보완되어 효과적으로 linux 기반의 악성코드를 분류할 수 있을 것이라 기대한다.

Statistics
Show / Hide Statistics

Statistics (Cumulative Counts from December 1st, 2017)
Multiple requests among the same browser session are counted as one view.
If you mouse over a chart, the values of data points will be shown.


Cite this article
[IEEE Style]
황준호 and 이태진, "Study of Static Analysis and Ensemble-Based Linux Malware Classification," Journal of The Korea Institute of Information Security and Cryptology, vol. 29, no. 6, pp. 1327-1337, 2019. DOI: 10.13089/JKIISC.2019.29.6.1327.

[ACM Style]
황준호 and 이태진. 2019. Study of Static Analysis and Ensemble-Based Linux Malware Classification. Journal of The Korea Institute of Information Security and Cryptology, 29, 6, (2019), 1327-1337. DOI: 10.13089/JKIISC.2019.29.6.1327.