Detailed Information

Cited 0 time in webofscience Cited 0 time in scopus
Metadata Downloads

SVM 기반 유전 알고리즘을 이용한 컴파일러 분석 프레임워크 : 특징 및 모델 선택 민감성Compiler Analysis Framework Using SVM-Based Genetic Algorithm : Feature and Model Selection Sensitivity

Other Titles
Compiler Analysis Framework Using SVM-Based Genetic Algorithm : Feature and Model Selection Sensitivity
Authors
황철훈신건윤김동욱한명묵
Issue Date
Aug-2020
Publisher
한국정보보호학회
Keywords
Authorship Attribution; linear-chain Conditional Random Field; Genetic Algorithm; Support Vector Machine
Citation
정보보호학회논문지, v.30, no.4, pp.537 - 544
Journal Title
정보보호학회논문지
Volume
30
Number
4
Start Page
537
End Page
544
URI
https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/78094
DOI
10.13089/JKIISC.2020.30.4.537
ISSN
1598-3986
Abstract
악성코드 기술 발전으로 변이, 난독화 등의 탐지 회피 방법이 고도화되고 있다. 이에 악성코드 탐지 기술에 있어알려지지 않은 악성코드 탐지 기술이 중요하며, 배포된 악성코드를 통해 저자를 식별하여 알려지지 않은 악성코드를탐지하는 악성코드 저자 식별 방법이 연구되고 있다. 본 논문에서는 바이너리 기반 저자 식별 방법에 대해 중요 정보인 컴파일러 정보를 추출하고자 하였으며, 연구 간에 특징 선택, 확률 및 비확률 모델, 최적화가 분류 효율성에 미치는 민감성(Sensitive)을 확인하고자 하였다. 실험에서 정보 이득을 통한 특징 선택 방법과 비확률 모델인 서포트벡터 머신이 높은 효율성을 보였다. 최적화 연구 간에 제안하는 프레임워크를 통한 특징 선택 및 모델 최적화를 통해 높은 분류 정확도를 얻었으며, 최대 48%의 특징 감소 및 51배가량의 빠른 실행 속도라는 결과를 보였다. 본 연구를 통해 특징 선택 및 모델 최적화 방법이 분류 효율성에 미치는 민감성에 대해 확인할 수 있었다.
Files in This Item
There are no files associated with this item.
Appears in
Collections
IT융합대학 > 소프트웨어학과 > 1. Journal Articles

qrcode

Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.

Related Researcher

Researcher Han, Myung Mook photo

Han, Myung Mook
IT (Department of Software)
Read more

Altmetrics

Total Views & Downloads

BROWSE