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
- 황철훈; 신건윤; 김동욱; 한명묵
- 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](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/78094)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.