인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
안드로이드 악성코드 탐지를 위한 머신러닝 기술 활용 동향 및 권한정보를 활용한 악성코드 탐지 A Tr end of Machine Learning for Android Malwar e Detection and Permission Based Android Malwar e Detection using Deep Learning
안드로이드 악성코드 탐지를 위한 머신러닝 기술 활용 동향 및 권한정보를 활용한 악성코드 탐지
초록·키워드
최근 스마트폰 시장이 증가함에 따라 모바일 악성코드에 대한 침해사고 탐지 건수가 지속해서 증가하고 있다. 사용자의 개인정보 탈취목적 외에도 고도화된 스마트폰의 자원 점유를 목적으로 하는 악성코드가 출현하고 있으며 이에 따라 다양한 종류의 악성코드를 탐지하기 위한 기법이 요구되고 있다. 하지만 PC와 달리 모바일은 다양한 제약이 존재한다. 이는 악성코드가 활동하기 힘들게 만듦과 동시에 탐지 또한 어려워짐에 따라 한정된 자원을 사용한 효율적인 악성코드 탐지 기법이 개발되고 있다. 주된 악성코드 탐지 기법에는 시그니처 기반과 빅데이터를 기반으로 하는 클라우드 서버 기반의 탐지 방법이 존재한다. 하지만 이러한 악성코드 탐지 기법은 신종 및 변종 악성코드에 대한 신속한 대응이 어렵다는 한계점이 존재하며 권한 상승 공격을 통해 탐지 기법을 방해하거나 제거해버릴 위험성이 존재한다. 또한, 네트워크 통신의 문제로 잘못된 분석 결과를 응답받을 수도 있다. 이러한 이유로 최근에는 머신러닝 기반의 차세대 휴리스틱 탐지 기법에 대한 연구가 증가하고 있다. 본 논문에서는 2012년~2020년에 개발된 다양한 안드로이드 기반 악성코드 탐지 기법을 소개하며, 탐지에 사용한 알고리즘의 변화추세를 분석한다. 또한, 머신러닝에 학습을 위해 사용하는 데이터를 분류하고, 학습에 적합한 알고리즘들에 대한 특징을 정리하였으며 마지막으로 심층 인공신경망 및 권한 기반을 활용해 악성코드를 탐지한 결과를 제시한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-ECN-0101-2020-036-001280880
