안드로이드 멀웨어 검출을 위한 다중 섹션 임베딩 기반의 딥러닝 네트워크

국문 초록 (Abstract)

본 논문에서는 안드로이드 애플리케이션 보안에 대해 주요 위협으로서 작용하는 안드로이드 멀웨어의 공격을 효과적으로 탐지하는 방법을 소개한다. 안드로이드 애플리케이션의 생태계를 안전하게 구축하기 위해서는 유사한 멀웨어 샘플들의 특징을 찾고, 그룹으로 분류하는 일을 해야 한다. 멀웨어 군의 분류는 멀웨어 탐지 프로세스를 효율적으로 향상시키며 멀웨어의 패턴을 체계적으로 이해할 수 있다. 본 논문에서는 멀웨어의 바이트 문자열을 기반으로 안드로이드 멀웨어 군을 자동으로 분류하는 다중 섹션 임베딩 기반의 딥러닝 네트워크를 제안한다. 먼저 각 애플리케이션의 classes.dex, AndroidManifest.xml 및 인증서 파일의 바이트 문자열들을 연결해서 하나의 문자열을 만든다. 그런 다음 멀웨어 바이트 문자열에 섹션별로 서로 다른 1차원 컨볼루션 신경망 (1-Dimensional Convolutional Neural Network)으로 구성된 컨볼루션 블록을 적용하여 멀웨어 군을 분류한다. 또한, Gradient의 분석을 통해 애플리케이션을 구성하는 각 부분과 요소를 시각화하여 멀웨어군 분류에 중요한 부분을 직관적으로 파악하고자 한다. 이 시각적 설명은 code_item과 AnroidManifest.xml에서 멀웨어 분류에 가장 중요한 역할을 하고 있음을 보여준다. 제안된 접근 방법의 효과를 검증하기 위해 잘 알려진 멀웨어 데이터셋 중 DREBIN 데이터셋으로 광범위한 실험을 수행하고 기존 방법들과 비교한다. 본 논문에서는 멀웨어를 이미지가 아닌, 문자열로서 사용하여 모델을 학습할 때 더 높은 성능을 얻을 수 있다는 것을 실험을 통해 확인하였으며, 제안된 다중 섹션 임베딩 기반의 딥러닝 네트워크는 도메인 지식을 사용하지 않으면서도 94.3%의 분류 정확도를 달성하였다.

목차 (Table of Contents)

• 1.서론
• 2. 관련연구
• 3. 제안하는 방법
• 3.1 1차원 컨볼루션 필터를 사용한 멀웨어 패밀리 분류
• 3.2 GradCam을 사용한 멀웨어 데이터의 part별 중요도 분석
• 3.3 멀티 섹션 임베딩 기반의 딥러닝 네트워크
• 4. 실험 및 결과
• 4.1 데이터 셋 및 실험 환경
• 4.2 실험 결과
• 5. 결론