文献

J-GLOBAL ID：202002235183945663   整理番号：20A1864087

機械学習アプローチを用いたマルウェア検出と分類のための新しいマルウェア解析フレームワーク【JST・京大機械翻訳】

A Novel Malware Analysis Framework for Malware Detection and Classification using Machine Learning Approach

著者 (4件)： Sethi Kamalakanta (Indian Institute of Technology Bhubaneswar, Orissa, India) ,  Chaudhary Shankar Kumar (Indian Institute of Technology Bhubaneswar, Orissa, India) ,  Tripathy Bata Krishan (Indian Institute of Technology Bhubaneswar, Orissa, India) ,  Bera Padmalochan (Indian Institute of Technology Bhubaneswar, Orissa, India)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICDCN ’18  ページ： 1-4  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 今日,世界のデジタル化は,毎日,様々な新しい複雑なマルウェアの出現により重大な脅威下にある。これにより,マルウェアの検出に対する従来の署名ベースの方法は,効果的に解決方法になる。マルウェアの検出に関する文脈における機械学習技術の効率性を,最先端の研究作業によって証明した。本論文では,2つのレベル分類器,すなわちMacro(マルウェアの検出用)とMicro(Trojan,Spyware,Ad-wareとしてのマルウェアファイルの分類のための)を用いて,異なるファイル(例えば,exe,pdf,phpなど)を検出し,分類するためのフレームワークを提案した。本解法は,仮想環境におけるサンプルファイルを実行することによって,静的および動的解析レポートを作り出すために,Cucko Sandboxを使用した。さらに,Cucko Sandboxにより生成されたレポートを用いて,静的,行動的およびネットワーク解析に基づいて機能する新しい特徴抽出モジュールを開発した。訓練データセットを用いて機械学習モデルを開発するために,Webフレームワークを用いた。提案フレームワークを用いた実験結果は,異なる機械学習アルゴリズムを用いて高い検出率と高い分類率を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 特徴抽出 ,  Web【情報システム】 ,  *機械学習 ,  学習アルゴリズム ,  動的解析 ,  *マルウェア
準シソーラス用語： 訓練データ ,  ネットワーク解析 ,  仮想環境 ,  ディジタル化 ,  検出率 ,  *マルウェア解析 ,  *マルウェア検出 ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (5件)： カッコウ砂箱 ,  マルウェア分類 ,  マルウェア検出 ,  SMO ,  静的および動的解析

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： 機械学習 ,  マルウェア検出 ,  分類 ,  マルウェア解析 ,  フレームワーク