Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 임을규 | - |
dc.contributor.author | 박정빈 | - |
dc.date.accessioned | 2020-02-25T16:30:41Z | - |
dc.date.available | 2020-02-25T16:30:41Z | - |
dc.date.issued | 2015-02 | - |
dc.identifier.uri | https://repository.hanyang.ac.kr/handle/20.500.11754/128669 | - |
dc.identifier.uri | http://hanyang.dcollection.net/common/orgView/200000426091 | en_US |
dc.description.abstract | 최근 새롭게 제작되는 악성코드 수의 증가와 악성코드 변종들의 다양성은 악성코드 분석가의 분석에 소요되는 시간과 노력을 요구한다. 따라서 효과적인 악성코드 분류는 악성코드 분석가의 악성코드 분석에 소요되는 시간과 노력을 감소시키는 데 도움을 줄 뿐만 아니라, 악성코드 계보 연구 등 다양한 분야에 활용 가능하다. 기존의 악성코드 분류연구는 악성코드 분류 정확성에 맞추어져 있었으나 최근 대량으로 발생하는 악성코드를 분류하기 위해서 대량의 악성코드 분류에 적합한 악성코드 특징을 추출하는 것이 중요 연구 주제 중 하나로 부각되었으며, 현재까지는 정적 분석 및 동적 분석을 통해 얻어진 악성코드 특징을 줄이기 위한 연구가 일부 진행되었다. 본 논문에서는 정적 분석 악성코드 특징인 연산부호를 이용하여 대량의 악성코드 분류에 적합한 특징을 추출하는 기법 및 특징을 제안한다. 제안하는 특징은 중요 연산부호이며, 이는 악성코드 분류에 높은 영향력을 가지는 연산부호들을 의미한다. 실험을 통해서 악성코드 분류에 높은 영향력을 가지는 상위 10개의 연산부호들을 중요 연산부호로 선정할 수 있음을 확인하였다. 이를 이용할 경우 지도학습 알고리즘의 학습시간을 단축시킬 수 있고 특히 의사결정나무 알고리즘의 경우 알고리즘의 학습시간을 약 91% 단축시킬 수 있다. 이는 향후 다량의 악성코드 분류 연구에 응용 가능할 것으로 기대된다. | - |
dc.publisher | 한양대학교 | - |
dc.title | 대량의 악성코드 분류에 적합한 악성코드 특징 추출 및 그 유용성에 관한 연구 | - |
dc.type | Theses | - |
dc.contributor.googleauthor | 박정빈 | - |
dc.sector.campus | S | - |
dc.sector.daehak | 대학원 | - |
dc.sector.department | 컴퓨터·소프트웨어학과 | - |
dc.description.degree | Master | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.