본 논문은 머신러닝 기반 악성코드 탐지 시스템의 실질적인 보안 위험에 대한 포괄적인 분석을 제공합니다. 기존 연구들이 주로 적대적 악성코드 예시에 국한된 것과 달리, CIA(Confidentiality, Integrity, Availability) 원칙을 활용하여 보안 위험의 범위를 정의하고, 머신러닝 기반 악성코드 탐지 시스템을 여러 작동 단계로 분해하여 단계별 분류 체계를 개발합니다. 이를 통해 각 단계에서의 기술적 진전과 공격 및 방어 제안의 간극을 분석하고, 두 가지 사례 연구를 통해 단계 간 및 단계 내 분석을 수행하여 새로운 경험적 통찰력을 제공합니다. 마지막으로, 단계 간 및 단계 내 관점에서 향후 연구 방향을 제시합니다.
