본 논문은 동적 환경에서의 멀웨어 분류 문제를 해결하기 위해 유전 알고리즘으로 향상된 심층 학습 프레임워크를 제안한다. 지속적으로 변화하는 멀웨어 데이터의 통계적 특성(concept drift)으로 인해 발생하는 어려움을 해결하기 위해, 유전 알고리즘의 돌연변이 연산과 적합도 평가를 통해 심층 학습 모델을 지속적으로 개선하여 진화하는 멀웨어 위협에 대한 강력한 성능을 보장한다. 실험 결과는 이 하이브리드 방법이 기존의 정적 모델보다 분류 성능과 적응력을 크게 향상시킨다는 것을 보여준다. 이는 끊임없이 변화하는 사이버 보안 환경에서 실시간 멀웨어 분류를 위한 유망한 해결책을 제공한다.
