Learning and detecting malware file-access behavior using FUSE and LSTM
연구 내용
가상 머신에서 수집한 파일 접근 시스템콜 패턴을 LSTM으로 학습하고, FUSE 기반 사용자 공간 파일시스템으로 실시간 탐지를 수행하는 연구
정적 분석 중심 접근의 한계를 보완하기 위해, 악성 코드가 실제로 파일 시스템에 접근하는 행태를 동작 기반 데이터로 수집하고 학습하는 방법을 연구합니다. 독립된 가상 머신에서 악성 코드를 실행하여 파일 접근 관련 시스템 콜 패턴을 수집하고, 주요 파일 보호를 위해 FUSE 기반 사용자 공간 파일시스템을 이용해 커널 수정 없이 접근 정보를 확보합니다. 입력 시퀀스의 순차성을 효과적으로 모델링하기 위해 LSTM 네트워크를 적용하여 분류 성능을 높입니다. 생성한 악성·양성 데이터로 학습 및 비교 평가를 수행하며, 실시간 탐지 관점을 반영한 설계를 목표로 합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구는 가상 머신 실행을 통해 악성 코드의 파일 접근 동작을 관찰하고, 시스템 콜 패턴을 학습 데이터로 구성하는 절차를 수립하는 데 집중했습니다. 이후 커널 수정 없이 접근 정보를 수집하기 위해 FUSE 기반 사용자 공간 파일시스템을 도입하고, 긴 입력 순차성을 다루기 위한 LSTM 기반 모델을 설계했습니다. 최종적으로 악성·양성 샘플에서 패턴을 생성하여 학습-평가를 수행하고, 기존 기계학습 대비 분류 성능 향상을 확인하는 흐름으로 연구를 진행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Malicious Code Detection Method Using LSTM Learning on the File Access Behavior