深層学習によるディスクアクセスパターンを用いたランサムウェア検知システム

• Item type: Symposium(1)
• 公開日: 2021-10-19
• タイトル: 深層学習によるディスクアクセスパターンを用いたランサムウェア検知システム
• タイトル / 言語: en
• タイトル: A Deep-Learning-Based Ransomware Detection System Using Disk Access Patterns
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 深層学習，ランサムウェア，振る舞い検知，セキュリティ
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 豊田工業高等専門学校専攻科
• 著者所属: 豊田工業高等専門学校
• 著者所属: 工学院大学
• 著者所属(英): en
• 著者所属(英): National Institute of Technology, Toyota College, Advanced Course
• 著者所属(英): en
• 著者所属(英): National Institute of Technology, Toyota College
• 著者所属(英): en
• 著者所属(英): Kogakuin University
• 著者名: 程田, 凌羽; 平野, 学; 小林, 良太郎
• 著者名(英): Ryo, Hodota; Manabu, Hirano; Ryotaro, Kobayashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 一般的なランサムウェア検知システムでは，プログラムのハッシュ値や静的解析を用いて得られる特定のバイト列などを用いるシグネチャ方式が使われている．しかし，近年はランサムウェアの新種や亜種が増加しており，それらに対応するシグネチャをすべて作成するのは困難である．ランサムウェアはファイルを暗号化することが目的であることからストレージ装置へ一般的なランサムウェア検知システムではシグネチャ方式が採用されることが多く，それらのシステムではプログラムのハッシュ値やバイナリを静的解析して得られた特徴量を用いて検知をおこなっている．しかし，近年はランサムウェアの亜種が増加しており，それらの亜種に対応するシグネチャをすべて作成していくことが困難になりつつある．そこで本研究ではランサムウェアのストレージアクセスパターンを特徴量とした新しい振る舞い型の検知手法を検討する．先行研究では６種類のランサムウェア検体と３種類の無害なプログラムのストレージアクセスパターンを収集し，古典的な機械学習アルゴリズムを用いてモデルの訓練を行い，ランサムウェアの検知性能を評価した．本研究では同一のデータセットを用いて，新たに深層学習のモデルを訓練してランサムウェアの検知性能を評価した結果を報告する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Many ransomware detection systems employ a signature-based method using features obtained from static analysis. However, as the number of ransomware variants has increased, creating signatures for all of these variants has become impractical. In this study, we have investigated a behavioral-based ransomware detection method using storage access patterns. In our previous study, we collected storage access patterns of six ransomware samples and three benign samples. We then trained machine-learning models using classic machine-learning algorithms and evaluated the performance of ransomware detection. In this paper, we present the results of the ransomware detection performance using deep learning.
• 書誌情報: コンピュータセキュリティシンポジウム2021論文集; p. 1145-1150, 発行日 2021-10-19
• 出版者 / 言語: ja
• 出版者: 情報処理学会