earticle

논문검색

CNN 기반 악성코드 탐지에서 이미지 형식이 탐지성능과 자원 사용에 미치는 영향 분석

원문정보

Analysis of Effects of Image Format on Detection Performance and Resource Usage in CNN-Based Malware Detection

변성현, 김영원, 고관섭, 이수진

피인용수 : 0(자료제공 : 네이버학술정보)

초록

영어

Various image formats are being used when attempting to construct a malware detection model based on CNN. However, most previous studies emphasize only the detection or classification performance, and do not take into account the possible impact of image format on detection performance and resource usage. Therefore, in this paper, we analyze how the input image formats affect detection performance and resources usage when detecting android malware based on CNN. The dataset used in the experiment is the CICAndMal2017 Dataset. Subdataset extracted from the CICAndMal2017 Dataset were converted into images in four formats: BMP, JPG, PNG, and TIFF. We then trained our CNN model and measured malware detection performance and resource usage. As a result, there was no sifnificant difference between detection performance and the GPU/RAM usage, even if the image format changed. However, we found that the file size of the generated images varied by up to six times depending on the image format, and that significant differences occurred in the training time.

한국어

CNN 기반의 악성코드 탐지모델을 활용하기 위해 다양한 이미지 형식을 사용할 수 있다. 하지만 대부분의 기존 연구들은 최종적인 악성코드 탐지 및 분류 성능을 주로 강조하고 있으며, CNN에 입력되는 이미지의 형식이 모델의 성능과 자원 사용 량에 미칠 수 있는 영향은 거의 고려하지 않는다. 이에 본 논문에서는 CNN을 기반으로 안드로이드 악성코드를 탐지하는 모 델을 구축함에 있어 입력되는 이미지 형식이 탐지성능과 학습에 소요되는 자원의 사용량에 어떠한 영향을 미치는지를 분석하 였다. CICAndMal2017 데이터세트를 사용하여 BMP, JPG, PNG 및 TIFF 4가지 형식의 이미지로 변환하고, 자체적으로 구축 한 CNN 모델에 학습시킨 후 악성코드 탐지성능과 자원 사용량을 측정하였다. 그 결과 이미지 형식에 따른 이진분류 및 다중 분류 성능과 GPU 및 RAM 사용량은 큰 차이를 보이지 않았다. 그러나 생성된 이미지의 파일 크기는 이미지 형식에 따라 최 대 6배까지 차이가 났으며, 학습에 소요되는 시간에서도 유의미한 차이가 발생함을 확인하였다.

목차

요약
ABSTRACT
1. 서론
2. 관련 연구
3. CNN 적용을 위한 이미지 생성
3.1 이미지 형식별 특징
3.2 데이터세트 및 전처리
4. 실험 및 평가
4.1 실험 환경
4.2 서브 데이터세트
4.3 신경망 구조
4.4 Malware 다중분류
4.6 실험 결과 분석
5. 결론
참고문헌

저자정보

  • 변성현 Seong-hyeon Byeon. 국방대학교 국방과학학과 석사과정
  • 김영원 Young-won Kim. 국방대학교 국방과학학과 박사/석사과정
  • 고관섭 Kwan-seob Ko. 국방대학교 국방과학학과 박사/석사과정
  • 이수진 Soo-jin Lee. 국방대학교 국방과학학과 교수

참고문헌

자료제공 : 네이버학술정보

    함께 이용한 논문

      ※ 기관로그인 시 무료 이용이 가능합니다.

      • 4,000원

      0개의 논문이 장바구니에 담겼습니다.