CNNを用いたPE内関数の類似性によるマルウェア検知手法

• Item type: SIG Technical Reports(1)
• 公開日: 2017-11-27
• タイトル: CNNを用いたPE内関数の類似性によるマルウェア検知手法
• タイトル / 言語: en
• タイトル: A Malware Detection Method by Function Similarity in PE Files using Convolution Neural Network
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 情報セキュリティ大学院大学
• 著者所属: 情報セキュリティ大学院大学
• 著者所属(英): en
• 著者所属(英): INSTITUTE of INFORMATION SECURITY
• 著者所属(英): en
• 著者所属(英): INSTITUTE of INFORMATION SECURITY
• 著者名: 田村, 壮世; 橋本, 正樹
• 著者名(英): Moriyo, Tamura; Masaki, Hashimoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究では，実行ファイルの関数を特徴として利用する畳込みニューラルネットワークを用いたディープラーニングによるマルウェア検知手法を提案する．提案手法は，Windows の実行ファイルである PE 形式の構造に着目するものであり，はじめに，Entry Point の含まれるセクションから複数の関数を抽出し，関数毎に悪性，良性を分類する．その後，その結果から総合的にそのファイルが悪性か良性か判定するものである．評価実験では，提案手法は，98.1% の判定精度で良性と悪性の実行ファイルを判別することができた．今後は，今回使用したデータセット以外の実行ファイルにおいてどの程度の汎化性能を持っているかの検証と，判定箇所の関数のアドレスについて，マルウェア特有の関数を捉えられているか確認していく．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this research, we propose a malware detection method based on deep machine learning using convolution neural network (CNN), which uses functions in the PE file as features. In the proposed method, we focus on the structure of the PE format which is the Windows executable file. First, we extract multiple functions from the section containing Entry Point and classify malignant and benign by function. After that, it comprehensively judges whether the file is malignant or benign from the result. As a evaluation of our method, some experiments show that the proposed method is able to distinguish between benign and malicious executable files with a determination accuracy of 98.1%. In the future, we will verify the extent of generalization performance in the executable file other than the dataset we used and check whether malware-specific functions are captured about the function address of the judgment part.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11235941
• 書誌情報: 研究報告コンピュータセキュリティ（CSEC）; 巻 2017-CSEC-79, 号 8, p. 1-6, 発行日 2017-11-27
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8655
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会