Convolutional Neural Network 기반의 악성코드 이미지화를 통한 패밀리 분류

Vol. 26, No. 1, pp. 197-208, 2월. 2016
10.13089/JKIISC.2016.26.1.197, Full Text:
Keywords: Malware classification, Malware Image, Convolutional Neural Network
Abstract

본 논문에서는 악성코드를 실행시키지 않고 패밀리를 분류하는 방법으로 악성 코드 파일을 8-bit gray-scale 이미지로 시각화 하고 이미지 인식분야에서 널리 쓰이고 있는 convolutional neural network를 통해 악성코드를 분류해내는 기법을 제안한다. 9개의 악성코드 패밀리로 분류해 내는 실험의 Top-1,2 예측 정확도는 각각 96.2%, 98.7%을 기록하였고, 27개의 패밀리를 분류하는 실험의 경우 Top-1 예측 정확도는 82.9%, Top-2는 89%로 악성코드 패밀리를 분류할 수 있다.

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]
S. Seok and H. Kim, "Visualized Malware Classification Based-on Convolutional Neural Network," Journal of The Korea Institute of Information Security and Cryptology, vol. 26, no. 1, pp. 197-208, 2016. DOI: 10.13089/JKIISC.2016.26.1.197.

[ACM Style]
Seonhee Seok and Howon Kim. 2016. Visualized Malware Classification Based-on Convolutional Neural Network. Journal of The Korea Institute of Information Security and Cryptology, 26, 1, (2016), 197-208. DOI: 10.13089/JKIISC.2016.26.1.197.