검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Graph Similarity Metric Using Graph Convolutional Network: Application to Malware Similarity Match 그래프 컨벌루션 네트워크를 사용한 그래프 유사성 측정: 악성코드 유사성 일치에 적용

Bing-lin ZHAO, Fu-dong LIU, Zheng SHAN, Yi-hang CHEN, Jian LIU

  • 조회수

    0

  • 이것을 인용

요약 :

요즘 악성코드는 인터넷에 심각한 위협이 되고 있습니다. 기존의 시그니처 기반 악성 코드 탐지 방법은 코드 난독화를 통해 쉽게 회피할 수 있습니다. 따라서 많은 연구자들은 악성코드의 변종을 찾기 위해 난독화의 영향을 덜 받는 함수 호출 그래프와 같은 악성코드의 상위 구조를 활용하고 있다. 그러나 기존의 그래프 일치 방법은 대략적인 계산에 의존하므로 비효율적이며 정확성을 효과적으로 보장할 수 없습니다. 노드 분류 및 그래프 분류에 그래프 컨벌루션 네트워크를 성공적으로 적용한 것에서 영감을 받아 그래프 컨벌루션 네트워크를 기반으로 하는 새로운 악성코드 유사성 측정 방법을 제안합니다. 그래프 임베딩 벡터를 계산하기 위해 그래프 컨벌루션 네트워크를 사용한 다음 두 그래프 임베딩 벡터 사이의 거리를 기반으로 두 그래프의 유사성 측정 기준을 계산합니다. Kaggle 데이터세트에 대한 실험 결과, 우리의 방법은 그래프 기반의 악성코드 유사성 척도 방법에 적용될 수 있으며, 우리의 방법을 이용한 클러스터링 적용의 정확도는 높은 시간 효율성으로 97%에 이른다.

발행
IEICE TRANSACTIONS on Information Vol.E102-D No.8 pp.1581-1585
발행일
2019/08/01
공개일
2019/05/20
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2018EDL8259
원고의 종류
LETTER
범주
정보 네트워크

작성자

Bing-lin ZHAO
  State Key Laboratory of Mathematical Engineering and Advanced Computing
Fu-dong LIU
  State Key Laboratory of Mathematical Engineering and Advanced Computing
Zheng SHAN
  State Key Laboratory of Mathematical Engineering and Advanced Computing
Yi-hang CHEN
  State Key Laboratory of Mathematical Engineering and Advanced Computing
Jian LIU
  Nanjing University of Finance and Economics

키워드