Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Signal-Based Malware Classification Using 1D CNNs

Created by
  • Haebom

저자

Jack Wilkie, Hanan Hindy, Ivan Andonovic, Christos Tachtatzis, Robert Atkinson

개요

본 논문은 악성코드 분류에서 기존의 정적 분석과 동적 분석의 한계를 극복하기 위해 악성코드 바이너리를 1D 신호로 변환하여 분류하는 새로운 방법을 제시합니다. 기존의 2D 이미지 변환 방식은 양자화 노이즈 및 2D 의존성 도입으로 정보 손실이 발생하는 반면, 본 논문의 1D 신호 변환 방식은 이러한 문제점을 해결합니다. 기존 2D CNN 아키텍처를 1D 신호 분류에 적용하고, ResNet 아키텍처와 squeeze-and-excitation 레이어를 기반으로 한 맞춤형 1D CNN을 개발하여 MalNet 데이터셋에서 평가하였습니다. 그 결과, 이진, 유형, 계열 수준 분류에서 각각 0.874, 0.503, 0.507의 F1 점수를 달성하여 최첨단 성능을 보였습니다.

시사점, 한계점

•
시사점:
◦
악성코드 바이너리를 1D 신호로 변환하여 기존 2D 이미지 변환 방식의 정보 손실 문제를 해결했습니다.
◦
기존 2D CNN 아키텍처를 1D 신호 분류에 적용 가능성을 보였습니다.
◦
맞춤형 1D CNN을 통해 MalNet 데이터셋에서 최첨단 성능을 달성했습니다.
◦
새로운 악성코드 분류 모달리티를 제시하여 향후 연구의 발전 가능성을 열었습니다.
•
한계점:
◦
MalNet 데이터셋에 대한 성능 평가만 진행되어 다른 데이터셋에 대한 일반화 성능은 추가적인 연구가 필요합니다.
◦
1D 신호 변환 방식의 특징 추출 및 분류 성능에 대한 심층적인 분석이 부족합니다.
◦
실제 악성코드 탐지 시스템에 적용하기 위한 추가적인 연구가 필요합니다. (예: 실시간 처리 성능, 확장성 등)
👍
Made with Slashpage