HOME > 공학 > 로봇 > 한국통신학회 > 한국통신학회논문지
적대적 데이터를 이용한 기계학습 기반의 악성코드 분류기 공격 -
분야 공학 > 로봇
저자 윤성국 김창훈
발행기관 한국통신학회
간행물정보 한국통신학회논문지 2018년, 한국통신학회논문지 제43권 제1호, 77page~80page(총4page)
파일형식 3407923 [다운로드 무료 PDF 뷰어]
판매가격 6,000원
적립금 180원 (구매자료 3% 적립)
이 자료를
논문의 미리보기 2페이지를 PDF파일로 제공합니다.
 
연관 논문
바이너리 시각화와 기계학습을 이용한 악성코드 분류 -
웨이블릿 변환과 주성분 분석 기법을 이용한 악성코드 분류 기법 -
대용량 악성코드의 특징 추출 가속화를 위한 분산 처리 시스템 설계 및 구현
작성자 분석 기반의 공격 메일 탐지를 위한 분류 모델
API 특성 정보기반 악성 애플리케이션 식별 기법 -
 
 
목차
부제 : Machine Learning Based Malwae Code Classifier Attack Using Hostile Data
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 결론
References
 
 
국문초록
In order to find vulnerabilities of malware classification method, this paper proposes a new attack scheme that can reduce the accuracy of malware classification. To realize the proposed concept, we use the following procedures; 1) After learning an imitation model by using black-box attack strategy, 2) Crafting adversarial samples from the imitation model, and 3) attacking target model. An implementation by using the Microsoft’s data and experimental analysis show that the previously proposed malware classification accuracy can be forced to decrease from 77.82% to 53.21%.
 
 
영문초록
인공신경망을 이용한 악성코드 분류기법의 취약점을 제시하기 위해, 본 논문에서는 악성코드 분류모델의 정확도를 낮출 수 있는 공격기법을 제안한다. 공격의 절차는 1) 블랙박스 공격기법을 이용하여 모방모델을 학습시킨 후, 2) 적대적 데이터를 선택적으로 수집하고, 3) 수집된 데이터를 기반으로 공격을 실시한다. Microsoft사에서 제공하는 데이터를 이용하여 77.82%의 악성코드 분류 정확도를 보이는 기존 연구결과에 적용한 결과 그 정확도가 53.21%까지 감소함을 보인다.
 
 
Machine Learning, Black-box Attack, Vulnerability Analysis, Convolutional Neural Network, Malware Classifier
 
 
도움말
본 논문은 참고용 논문으로 수정 및 텍스트 복사가 되지 않습니다.
 
 
추천자료
[교육] 교육학레포트모음입니다.
[레포트]교육과정 및 교육평가#1
인터넷 윤리 레포트
경영학과 레포트자료
사이버공간상의 표현의 자유와 그 제한
인터넷생활과 에티켓 정리
[공무원면접] 시사상식
[논술] 논술 자료집ok
[공사] [공사] 한국수력공사 기출문제 수정본
(사회학개론) 범죄와 일탈 보고서
오늘 본 자료
오늘 본 자료가 없습니다.
장바구니 담은 자료
장바구니가 비어 있습니다.
이 간행물 인기자료
음성 분석을 통한 최근 보이스피싱의 ...
실버타운을 위한 CPS 기반 고령친화적...
군 계급장 UHF RFID 태그를 이용한 군...
다중 LMA 환경을 고려한 Proxy Mobile...
후크송의 음향학적 분석에 관한 연구 ...
이 간행물 신규자료
미래전과 국방 인공지능 체계 -
국방 AI 지휘통제 플랫폼 구축방안 -
웨어러블 기술동향 및 사이버공격 대...
VR HMD를 위한 무선 전송 기술 비교 -...
IoT 센서 노드 충전용 RF 에너지 하베...
저작권 정보
본 학술논문은 ㈜누리미디어와 각 학회간에 저작권 계약이 체결된 것으로 HAPPY학술이 제공하고 있습니다. 본 저작물을 불법적으로 이용시는 법적인 제재가 가해질 수 있습니다.
 
서비스이용약관 | 개인정보취급방침 | E-mail 수집 거부 | 제휴 및 광고문의 | FAQ
이메일 무단 수집 거부
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나 그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며, 이를 위반시 정보통신망법에 의해 형사처벌됨을 유념하시기 바랍니다. [게시일 2003년 4월 2일]