본 논문은 점점 정교해지는 암호화 기반 랜섬웨어에 대한 효과적인 탐지 및 완화 방안으로, 확률적 암호 분석에 기반한 계층적 프레임워크를 제시한다. 암호화 패턴의 통계적 특성에 집중하여, 고급 클러스터링 알고리즘과 머신러닝을 결합한 다층 접근 방식을 통해 랜섬웨어로 인한 이상 현상을 분리한다. 다양한 랜섬웨어 패밀리에 대한 포괄적인 테스트를 통해 높은 정확도와 낮은 오탐율을 달성하였으며, 동적 피드백 메커니즘을 통합하여 다양한 암호화 복잡성과 운영 환경에 적응할 수 있도록 설계되었다. 엔트로피 기반 평가를 통해 암호화 워크플로우의 미묘한 차이에도 민감하게 반응하며, 정적 시그니처나 휴리스틱에 의존하는 기존 탐지 방법에 대한 강력한 대안을 제공한다. 계산 벤치마크는 높은 데이터 부하와 복잡한 암호화 시나리오에서도 일관된 성능을 보여주는 확장성과 효율성을 확인하였다. 실시간 클러스터링 및 이상 탐지 기능을 포함하여 랜섬웨어 탐지의 지연 시간 문제를 해결한다. 기존 방법과의 성능 비교를 통해, 특히 긴 키 길이와 고유한 암호화 프로토콜을 사용하는 고급 랜섬웨어에 대한 탐지 효율성이 향상됨을 보여준다.
