본 논문은 동적 환경에서의 맬웨어 분류 문제를 해결하기 위해 유전 알고리즘으로 향상된 심층 학습 프레임워크를 제안한다. 맬웨어 데이터의 통계적 특성이 시간에 따라 변화하는 개념 이동 문제를 해결하기 위해, 유전 알고리즘 내에서 돌연변이 연산과 적합도 점수 평가를 통합하여 심층 학습 모델을 지속적으로 개선하고, 진화하는 맬웨어 위협에 대한 강력한 성능을 보장한다. 실험 결과는 이 하이브리드 방법이 기존의 정적 모델보다 분류 성능과 적응력을 크게 향상시킴을 보여준다. 본 연구는 끊임없이 변화하는 사이버 보안 환경에서 실시간 맬웨어 분류에 대한 유망한 해결책을 제시한다.
