Malware Classification Using Wavelet Transform and Principal Component Analysis

Abstract

최근 다양한 변종 악성코드의 발생으로 인하여 경제적 뿐만 아니라 사회적으로도 치명적인 문제를 유발한다. 기존의 시그니처 기반의 악성코드 분류방법은 변종 악성코드를 분류하기 어려운 단점이 있다. 그래서 이를 해결하기 위하여 기계학습, 딥러닝 등 인공지능 분야의 분류기법이 제안되고 있으며, 각각의 알고리즘에 사용할 수 있도록 악성코드를 전처리하여 악성코드의 특징을 추출하고 분류한다. 그리고 악성코드 분류를 위해 정형화된 데이터 세트가 존재하지 않아 대부분 2015년에 개최된 대회인 Big Data Innvovators Gathering(BIG 2015)을 위해 Microsoft에서 제공한 악성코드를 이용해 분류를 하였다. 본 논문에서는 1차원 악성코드를 2차원 영상으로 변환한 후 웨이블릿 변환과 주성분 분석기법을 적용하여 악성코드를 분류하는 기법을 제안한다. 특히, 본 논문에서는 웨이블릿 변환을 이용한 영상압축과 주성분 분석기법을 이용하여 차원축소를 실행함으로써 학습 및 분류 속도를 향상시키면서도 알고리즘의 성능은 비슷한 수준으로 도출하였다.