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
- 학위논문
- 저자정보
- 지도교수
- 노봉남
- 발행연도
- 2013
- 저작권
- 전남대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
과거에는 전문적인 지식과 기술력을 투자하여 자체적으로 제작？유포 되던 악성코드가, 현재는 악성코드 생성기(malware generator)만 사용하면 누구나 원하는 기능의 악성코드를 쉽게 제작할 수 있게 되어 악성코드가 보다 빠르게 유포되고 있다. 즉, 그룹화 된 악성코드 생성기를 이용하여 기존 안티바이러스(anti-virus)에서 보유한 악성코드의 스트링(string)을 변경하고 공격 기능을 강화시켜 배포할 수 있게 되었다. 오늘날 대부분의 악성코드들이 최초 공개된 소스(source)에 기반을 두어 그 감염 방법과 증상들이 다양해지는 악성코드로 발전하고 있다.
기존 유사도 비교 방법에서 사용되는 기준 또는 속성(attribute)만을 이용했을 경우, 새로운 악성 스트링에 대한 미탐율이 증가하는 문제점이 발생한다. 또한, 안티바이러스 업체에서 운영하는 악성코드 자동분석시스템의 1차적 스트링 기반 검색을 거친 이후 2차적으로 휴리스틱 규칙(heuristic rule) 기반 행위를 분석하는 과정에서 오탐율이 증가하는 문제를 안고 있다. 본 논문에서는 위와 같은 문제점을 개선하기 위하여 유사도 관련 연구를 통해 다양한 악성코드 속성을 선정하고, AHP(Analytic Hierarchy Process) 기법을 반영한 속성별 가중치를 적용하여 악성코드의 종류를 점수화하여 표현한다. 이어서, 알려진 전체 악성코드 데이터(MD: Malware Data)와 정상 데이터(AD: Average Data))에 대한 유사도 비교를 통하여 탐지율과 오탐율을 측정한다. 구해진 값으로 ROC(Receiver-Operating Characteristic curve) 그래프를 작성하고 악성코드에 대한 탐지율이 높으면서 오탐율이 낮은 최적지점을 임계치로 선정한다. 선정된 임계치로 새로운 실험 데이터(TD: Test Data)와 악성코드 생성기 그룹의 유사도를 비교하여 해당하는 악성코드 그룹으로 분류되도록 한다. 결과적으로, 본 논문에서는 원형 악성코드 생성기에서 제작되어 유포된 변종 악성코드를 식별하고 분류하는 방법을 제안한다.
본 연구를 통하여, 새로운 악성코드에 대한 불필요한 분석시간을 최소화하고 악성코드 자동분석시스템에서 탐지가 어려운 변종 악성코드를 악성코드 생성기 그룹으로 분류함으로써, 향후 변종 악성코드의 정확한 식별 및 행위 예측에 활용될 수 있기를 기대한다.
기존 유사도 비교 방법에서 사용되는 기준 또는 속성(attribute)만을 이용했을 경우, 새로운 악성 스트링에 대한 미탐율이 증가하는 문제점이 발생한다. 또한, 안티바이러스 업체에서 운영하는 악성코드 자동분석시스템의 1차적 스트링 기반 검색을 거친 이후 2차적으로 휴리스틱 규칙(heuristic rule) 기반 행위를 분석하는 과정에서 오탐율이 증가하는 문제를 안고 있다. 본 논문에서는 위와 같은 문제점을 개선하기 위하여 유사도 관련 연구를 통해 다양한 악성코드 속성을 선정하고, AHP(Analytic Hierarchy Process) 기법을 반영한 속성별 가중치를 적용하여 악성코드의 종류를 점수화하여 표현한다. 이어서, 알려진 전체 악성코드 데이터(MD: Malware Data)와 정상 데이터(AD: Average Data))에 대한 유사도 비교를 통하여 탐지율과 오탐율을 측정한다. 구해진 값으로 ROC(Receiver-Operating Characteristic curve) 그래프를 작성하고 악성코드에 대한 탐지율이 높으면서 오탐율이 낮은 최적지점을 임계치로 선정한다. 선정된 임계치로 새로운 실험 데이터(TD: Test Data)와 악성코드 생성기 그룹의 유사도를 비교하여 해당하는 악성코드 그룹으로 분류되도록 한다. 결과적으로, 본 논문에서는 원형 악성코드 생성기에서 제작되어 유포된 변종 악성코드를 식별하고 분류하는 방법을 제안한다.
본 연구를 통하여, 새로운 악성코드에 대한 불필요한 분석시간을 최소화하고 악성코드 자동분석시스템에서 탐지가 어려운 변종 악성코드를 악성코드 생성기 그룹으로 분류함으로써, 향후 변종 악성코드의 정확한 식별 및 행위 예측에 활용될 수 있기를 기대한다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0