악성코드 분석 분야에서, 본 논문은 전문가의 관점을 고려하지 않고 데이터 표현(이미지, 시퀀스)에 집중하는 기존의 인공지능 기반 접근 방식의 한계를 지적한다. 이를 개선하기 위해, 악성코드 의미 분석 및 결과 해석 가능성을 높이는 전문가 지식 중심의 전처리 방법을 제안한다. 특히, Portable Executable (PE) 파일에 대한 JSON 보고서를 생성하는 새로운 전처리 방법을 제시한다. 이 보고서는 정적 및 동적 분석에서 추출한 특징들을 수집하고, 패커 시그니처 탐지, MITRE ATT&CK, 악성코드 행동 카탈로그(MBC) 지식을 통합한다. 이 전처리의 목적은 악성코드 분석가가 이해할 수 있는 바이너리 파일의 의미론적 표현을 수집하고, 악성 파일 분석을 위한 AI 모델의 설명 가능성을 향상시키는 것이다. 이 전처리를 사용하여 악성코드 분류를 위한 대규모 언어 모델을 학습시킨 결과, 시장 현실을 대표하는 복잡한 데이터셋에서 가중 평균 F1-score 0.94를 달성했다.
