@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00201438,
 author = {小関, 純 and 佐藤, 大造 and 阿曽村, 一郎 and Jun, Koseki and Daizo, Sato and Ichiro, Asomura},
 book = {コンピュータセキュリティシンポジウム2019論文集},
 month = {Oct},
 note = {ハニーポットで収集されるファイルを解析することは, 多種多様な攻撃に利用される未知のマルウェアを調査するために有効である. その一方で, 収集されるデータの中には攻撃とは無関係のファイルや, 内容の酷似するものも大量に存在する. これらハニーポットに設置されたファイルをマルウェア調査に活用するためには, 収集データの中から悪性ファイルを効率的に検知する必要がある. 本稿では, ハニーポットに設置されたファイルから悪性ファイルを機械学習によって分類するシステムを提案し, 解析作業の効率化を図る検証を行う. 攻撃者により設置されたファイルから特徴を抽出したのち, 悪性ファイルを学習する分類器を作成し予測結果から得られた知見について述べる., Honeypot is effective system to collect unknown malwares used for various attacks. However, honeypots collect large amount of malwares and these subspecies. They collect not only malicious files but also benign files. In order to do malware analysis using collected files from honeypots, effective and efficient classification in malicious files from large number of unknown files is required. In this paper, we propose machine learning based malicious file classification system and evaluate possibility of improving efficiency in malware analysis. After feature extraction from collected files using honey pots, we created malicious file classifier. We described the findings based on a predicted result using the classifier.},
 pages = {1033--1038},
 publisher = {情報処理学会},
 title = {類似性に基づくハニーポット収集データの分類},
 volume = {2019},
 year = {2019}
}