BiLSTM 기반의 악성 파일 자동 탐지 및 분류 방안 연구

초록

매일 수십만 개씩 새롭게 생성되는 악성 파일은 제로데이 공격 및 소프트웨어의 취약점을 악용하여 다양한 자산에 손해를 입힌다. 악성 파일들을 탐지하기 위해 시그니처를 사용하는 정적 분석과 실행 파일을 직접 실행하는 동적 분석을 사용하고 있지만 많은 수의 악성 파일에 일일이 대처하기는 어렵다. 이 문제를 극복하기 위해 기계학습 및 딥러닝과 같은 다양한 기술들을 적용하는 연구가 진행되고 있다. 특히, 악성파일을 탐지할 수 있는 AI 모델과 의미있는 자질(features)들이 연구되고 있지만, 아직 추가적인 연구가 필요한 상황이다. 본 논문에서는 악성 파일을 탐지 및 분류할 수 있는 시스템 구조를 위해 n-gram으로 변환된 opcode 시퀀스 데이터를 학습하는 BiLSTM 모델을 제안한다. 제안된 모델의 성능을 평가하기 위해 약 23만개의 악성 및 양성 파일을 수집했으며, 레이블링을 위해 VirusTotal API를 사용했다. 제안하는 모델은 BiLSTM 모델은 악성 파일 탐지 실험에서 90.9%의 정확도와 89.7%의 F1-Score를 달성했으며, 악성 파일 분류 실험에서 80.4%의 정확도와 80.1%의 F1-Score를 달성했다.

키워드