본 논문은 동적 환경에서의 맬웨어 분류 문제를 해결하기 위해 유전 알고리즘으로 강화된 심층 학습 프레임워크를 제안합니다. 맬웨어 데이터의 통계적 특성이 시간에 따라 변화하는 개념 이동 문제를 해결하고자, 유전 알고리즘 내 돌연변이 연산과 적합도 평가를 통해 심층 학습 모델을 지속적으로 개선하여 진화하는 맬웨어 위협에 대한 강건성을 확보합니다. 실험 결과, 이 하이브리드 방법은 기존 정적 모델보다 분류 성능과 적응성을 크게 향상시키는 것을 보여줍니다. 본 연구는 끊임없이 변화하는 사이버 보안 환경에서 실시간 맬웨어 분류를 위한 유망한 해결책을 제시합니다.
