인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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.
초록·키워드
안드로이드 악성코드 탐지에 관한 연구는 머신러닝 등을 이용하여 다양하게 이루어지고 있으나 모델 학습에 필요한 데이터로 네트워크 트래픽, 메모리 덤프 등을 활용하고 있어 이 데이터를 얻기 위한 과정이 필요하다. 본 논문에서는 안드로이드 APK 파일을 통해 얻을 수 있는 소스 코드(smali)를 BERT, RoBERTa, BART 세 가지 Transformer 모델로 학습하여 악성코드 여부를 판별하는 모델을 제안한다. CICAndMal2020에서 제공하는 APK 파일 중 악성코드가 있는 1,318개 파일과 1,236개 정상 파일을 디컴파일하였다. 디컴파일된 파일은 용량이 매우 크고, 학습에 불필요한 코드가 포함되어 있어 이들 코드를 제거하는 전처리 과정을 거쳤다. 그리고 각 모델을 훈련하기 위한 하이퍼파라미터는 Optuna를 통해 최적화하였으며 훈련 및 평가 결과는 RoBERTa가 평가 성능에서 가장 높은 정확도(93.74%)를 기록하였다. 그러나 훈련 성능 지표는 BERT가 높은 정확도(99.12%)를 보였고, 451개 정상 파일 및 597개 악성코드 파일에 대한 예측 결과는 BERT(정확도: 97.81%)가 RoBERTa(정확도: 97.70%)보다 약간 높은 성능을 보였다. BART의 경우 전반적으로 BERT와 RoBERTa에 비해 성능이 낮게 나왔다. BERT와 RoBERTa의 훈련, 평가, 예측 결과의 차이는 데이터 세트가 다양하지 않고 정교한 전처리 과정이 없어 발생하는 것으로 보이지만 이 실험을 통해 정확도와 재현율이 중요한 악성코드 판별 분야에서 BERT와 RoBERTa 모델이 모두 유의미한 성능을 발생할 수 있음을 확인하였다. 제안 모델은 향후 데이터 세트를 확장하고 불필요한 코드를 정교하게 삭제하는 등 전처리 과정을 개선하면 더욱 우수한 성능의 모델이 될 수 있을 것이다.
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
