Earticle

현재 위치 Home

Session I : 정보보호 기술

오토인코더 및 확장 외적을 이용한 잔차 신경망 기반 안드로이드 악성 앱 패밀리 분류
Autoencoder and Augmented Outer Product-based Android Malware Family Classification Using Residual Network

첫 페이지 보기
  • 발행기관
    한국차세대컴퓨팅학회 바로가기
  • 간행물
    한국차세대컴퓨팅학회 학술대회 바로가기
  • 통권
    2022 한국차세대컴퓨팅학회 춘계학술대회 (2022.05)바로가기
  • 페이지
    pp.123-126
  • 저자
    이준영, 조성제, 황창하
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A412329

원문정보

초록

한국어
안드로이드 플랫폼은 높은 시장 점유율과 동시에 악성 앱의 수와 종류도 많아 기계학습 기반 악성 앱 탐지 및 분류 방법이 꾸준히 연구되어왔다. 기계학습 중에서도 신경망 기법은 입력 특징의 구성에 따라 성능이 좌우될 수 있기에 이 를 결정하는 것은 중요한 문제이다. 이에, 본 논문에서는 안드로이드 퍼미션(permission) 정보와 오토인코더-확장 외적을 이용한 잔차 신경망 기반 으로 안드로이드 악성 앱 패밀리 분류 방법을 제안한다. 실험 결과, 기존 연구 대비 대부분 지표에서 성능 향상을 보였으며 신경망 기반의 기계학습에서 입 력 데이터 구성의 다양화 및 고도화가 효과적임을 볼 수 있었다.

목차

요약
1. 서론
2. 관련연구
3. 모델 구성
3.1 오토인코더
3.2 확장 외적
3.3 잔차 블록
4. 실험 및 평가
4.1. 데이터셋
4.2 실험환경
4.3 실험결과
5. 결론
Acknowledgement
참고문헌

키워드

안드로이드 악성 앱 패밀리 분류 퍼미션 오토인코더 확장 외적 잔차 신경망

저자

  • 이준영 [ 단국대학교 데이터지식서비스공학과 ]
  • 조성제 [ 단국대학교 소프트웨어학과 ] 교신저자
  • 황창하 [ 단국대학교 정보통계학과 ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국차세대컴퓨팅학회 [Korean Institute of Next Generation Computing]
  • 설립연도
    2005
  • 분야
    공학>컴퓨터학
  • 소개
    본 학회는 차세대 PC 및 그 관련분야의 학술활동을 통하여 차세대 PC의 학문 및 기술발전을 도모하고 산업발전 및 국제협력 증진을 목적으로 한다.

간행물

  • 간행물명
    한국차세대컴퓨팅학회 학술대회
  • 간기
    반년간
  • 수록기간
    2021~2025
  • 십진분류
    KDC 566 DDC 004

이 권호 내 다른 논문 / 한국차세대컴퓨팅학회 학술대회 2022 한국차세대컴퓨팅학회 춘계학술대회

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.