원문정보
A Machine Learning based Ransomware Detection Model using a Hybrid Analysis
초록
영어
Ransomware, which recently being highlighted is evolving in some diverse aspects from random attacks targeting civilians continue to specific target (target attack) attack. Ransomware has developed into a business-based service RaaS (Ransomware as a Service) model and a new ransomware variant is also increasing. In this paper, we propose a detective model for ransomware through Logistic Regression Analysis technique using Opcode information, the API information as an independent variable, determine the ransomware as a dependent variable. These results show that the hybrid detection rate outperformed the static and dynamic detection rate, and the logistic regression technique outperformed the SVM, naïve Bayes technique.
한국어
최근에 주목 받고 있는 랜섬웨어는 임의의 불특정 다수 공격부터 특정 대상 공격(Target Attack)까 지 다양한 양상으로 진화하고 있으며, 수익이 되는 사업형 서비스인 RaaS(Ransomware as a Service) 모델 형태의 신/변종 랜섬웨어도 증가하고 있다. 본 연구에서는 Opcode Clustering 정보, API 정보를 독립변수로 사용하고, 랜섬웨어 판별을 종속 변수로 사용하는 Logistic Regression Analysis 기법을 적용하였다. 이를 통해 정적분석, 동적분석을 이용한 탐지보다 하이브리드 분석방법이 더 높은 탐지율이 보임을 확인 하였으며, SVM, naïve Bayes 보다 Logistic Regression기법에서 높은 탐지율을 확인하였다.
목차
Abstract
1. 서론
2. 관련 연구
2.1 랜섬웨어(Ransomware)
2.2 머신러닝(Machine Learning) 알고리즘
3. 머신러닝 기반의 랜섬웨어 분석 연구 방법
3.1 제안 모델 개요
3.2 모델 설계
3.3 빈도 분석을 통한 데이터 셋(Dataset Creation)
3.4 필터링(Pre-Filtering)
3.5 모델링(Modeling)
4. 제안 모델 분석
4.1 분석방법 별 탐지율 비교
4.2 K-means Clustering 정확도 분석
4.3 다른 머신러닝 알고리즘과 비교
4.4 제안 모델 탐지율 분석
4.5 모델 평가
5. 결론
References