| 1 |
1
악성 코드를 포함한 악성 코드 파일과 악성 코드가 포함되지 않은 정상 파일을 포함하는 학습용 데이터 셋을 이용하여 악성 코드 파일을 검출하기 위한 학습 시스템에 있어서,상기 학습용 데이터 셋을 구성하는 파일들을 이진 이미지 파일들로 변환시켜, 학습용 데이터 셋을 구성하는 파일들에 대한 이미지 파일들로 이루어진 이미지 데이터 셋을 생성하는 데이터 셋용 이미지 변환 모듈;상기 이미지 데이터 셋을 구성하는 이미지 파일들에 대하여 클래스 활성화 매핑(Class Activation Mapping; CAM) 모델을 학습하여 각 class에 대해 활성화되는 영역에 대한 정보들을 포함하는 제1 가중치 파일(Weight file)을 생성하는 CAM 학습 모듈;상기 제1 가중치 파일을 이용하여, 상기 이미지 데이터 셋을 구성하는 이미지 파일들의 활성화 영역들을 검출하고, 각 이미지 파일들로부터 검출된 활성화 영역들을 각 이미지 파일들에 대한 관심 영역들로 설정하고, 각 관심 영역들에 대한 위치 정보를 추출하는 CAM 관심 영역 추출 모듈;상기 이미지 데이터 셋을 구성하는 이미지 파일들과 각 이미지 파일들의 관심 영역들에 대한 위치 정보를 이용하여, Region based CNN(R-CNN) 모델을 학습하여 제2 가중치 파일을 생성하는 R-CNN 학습 모듈;을 구비하여, 악성 코드의 존재 유무 및 악성 코드의 위치를 검출하기 위한 R-CNN 모델을 학습시키는 것을 특징으로 하는 악성 코드 파일을 검출하기 위한 학습 시스템
|
| 2 |
2
제1항에 있어서, 상기 데이터 셋용 이미지 변환 모듈은 학습용 데이터 셋을 구성하는 파일들의 각각에 대하여, 이진 값을 1차원 벡터로 입력하고, 상기 1차원 벡터를 N×N 매트릭스로 변환시키고, 상기 변환된 매트릭스를 gray 이미지로 변환시켜, 학습용 데이터 셋을 구성하는 모든 파일들에 대응되는 이미지 파일들로 이루어진 이미지 데이터 셋을 생성하는 것을 특징으로 하는 악성 코드 파일을 검출하기 위한 학습 시스템
|
| 3 |
3
삭제
|
| 4 |
4
악성 코드를 포함한 악성 코드 파일과 악성 코드가 포함되지 않은 정상 파일을 포함하는 학습용 데이터 셋을 이용하여 악성 코드 파일을 검출하기 위한 R-CNN 모델을 학습시키는 학습 시스템; 및 상기 학습 시스템에 의해 학습된 R-CNN 모델을 이용하여 임의의 파일을 테스트하여 악성 코드의 존재 유무 및 악성 코드의 위치를 검출하는 테스트 시스템;을 구비하고, 상기 학습 시스템은, 상기 학습용 데이터 셋을 구성하는 파일들을 이진 이미지 파일들로 변환시켜, 학습용 데이터 셋을 구성하는 파일들에 대한 이미지 파일들로 이루어진 이미지 데이터 셋을 생성하는 데이터 셋용 이미지 변환 모듈;상기 이미지 데이터 셋을 구성하는 이미지 파일들에 대하여 클래스 활성화 매핑(Class Activation Mapping; CAM) 모델을 학습하여 각 class에 대해 활성화되는 영역에 대한 정보를 포함하는 제1 가중치 파일(Weight file)을 생성하는 CAM 학습 모듈;상기 제1 가중치 파일을 이용하여, 상기 이미지 데이터 셋을 구성하는 이미지 파일들의 활성화 영역들을 검출하고, 각 이미지 파일들로부터 검출된 활성화 영역들을 각 이미지 파일들에 대한 관심 영역들로 설정하고, 관심 영역들에 대한 위치 정보를 추출하는 CAM 관심 영역 추출 모듈;상기 이미지 데이터 셋을 구성하는 이미지 파일들과 각 이미지 파일들에 대한 관심 영역들에 대한 위치 정보를 이용하여, Region based CNN(R-CNN) 모델을 학습하여 제2 가중치 파일을 생성하는 R-CNN 학습 모듈;을 구비하고, 상기 테스트 시스템은, 테스트 파일을 이진 이미지 파일로 변환시키는 이진 파일 이미지 변환 모듈; 및상기 학습 시스템의 R-CNN 학습 모듈의 학습 결과에 따른 제2 가중치 파일을 이용하여 상기 테스트 파일에 대한 이미지 파일을 테스트하여, 악성 코드의 존재 유무 및 악성 코드의 위치를 검출하는 R-CNN 테스트 모듈;을 구비하여,임의의 파일에 대하여 악성 코드의 존재 유무 및 악성 코드의 위치를 검출하는 것을 특징으로 하는 악성 코드 검출 시스템
|
| 5 |
5
제4항에 있어서, 상기 데이터 셋용 이미지 변환 모듈은 학습용 데이터 셋을 구성하는 파일들의 각각에 대하여, 이진 값을 1차원 벡터로 입력하고, 상기 1차원 벡터를 N×N 매트릭스로 변환시키고, 상기 변환된 매트릭스를 gray 이미지로 변환시켜, 학습용 데이터 셋을 구성하는 모든 파일들에 대응되는 이미지 파일들로 이루어진 이미지 데이터 셋을 생성하는 것을 특징으로 하는 악성 코드 검출 시스템
|
| 6 |
6
삭제
|
| 7 |
7
제4항에 있어서, 상기 이진 파일 이미지 변환 모듈은,테스트 파일의 이진 값을 1차원 벡터로 입력하고, 상기 1차원 벡터를 N×N 매트릭스로 변환시키고, 상기 변환된 매트릭스를 gray 이미지로 변환시키는 것을 특징으로 하는 악성 코드 검출 시스템
|
| 8 |
8
악성 코드를 포함한 악성 코드 파일과 악성 코드가 포함되지 않은 정상 파일을 포함하는 학습용 데이터 셋을 이용하여 악성 코드 파일을 검출하기 위한 학습 방법에 있어서,(a) 상기 학습용 데이터 셋을 구성하는 파일들을 이미지 파일들로 변환시켜, 학습용 데이터 셋을 구성하는 파일들에 대한 이미지 파일들로 이루어진 이미지 데이터 셋을 생성하는 단계; (b) 상기 이미지 데이터 셋을 구성하는 이미지 파일들에 대하여 클래스 활성화 매핑(Class Activation Mapping; CAM) 모델을 학습하여 각 class에 대해 활성화되는 영역에 대한 정보를 포함하는 제1 가중치 파일(Weight file)을 생성하는 단계;(c) 상기 제1 가중치 파일을 이용하여, 상기 이미지 데이터 셋을 구성하는 이미지 파일들의 활성화 영역들을 검출하고, 각 이미지 파일들로부터 검출된 활성화 영역들을 각 이미지 파일들에 대한 관심 영역들로 설정하고, 관심 영역들에 대한 위치 정보를 추출하는 단계;(d) 상기 이미지 데이터 셋을 구성하는 이미지 파일들과 각 이미지 파일들의 관심 영역들에 대한 위치 정보를 이용하여, Region based CNN(R-CNN) 모델을 학습하여 제2 가중치 파일을 생성하는 단계;를 구비하여, 악성 코드의 존재 유무 및 악성 코드의 위치를 검출하기 위한 R-CNN 모델을 학습시키는 것을 특징으로 하는 악성 코드 파일을 검출하기 위한 학습 방법
|
| 9 |
9
제8항에 있어서, 상기 (a) 단계는, 학습용 데이터 셋을 구성하는 파일들의 각각에 대하여, 이진 값을 1차원 벡터로 입력하고, 상기 1차원 벡터를 N×N 매트릭스로 변환시키고, 상기 변환된 매트릭스를 gray 이미지로 변환시켜, 데이터 셋을 구성하는 모든 파일들에 대응하는 이미지 파일들로 이루어진 이미지 데이터 셋을 생성하는 것을 특징으로 하는 악성 코드 파일을 검출하기 위한 학습 방법
|
| 10 |
10
삭제
|
| 11 |
11
악성 코드를 포함한 악성 코드 파일과 악성 코드가 포함되지 않은 정상 파일을 포함하는 학습용 데이터 셋을 이용하여 악성 코드 파일을 검출하기 위한 R-CNN 학습 모듈을 학습시키는 학습 방법; 및 상기 학습 방법에 의해 학습된 R-CNN 모델을 이용하여 임의의 파일을 테스트하여 악성 코드의 존재 유무 및 악성 코드의 위치를 검출하는 테스트 방법;를 구비하고, 상기 학습 방법은, (a) 상기 학습용 데이터 셋을 구성하는 파일들을 이미지 파일들로 변환시켜, 학습용 데이터 셋을 구성하는 파일들에 대한 이미지 파일들로 이루어진 이미지 데이터 셋을 생성하는 단계; (b) 상기 이미지 데이터 셋을 구성하는 이미지 파일들에 대하여 클래스 활성화 매핑(Class Activation Mapping; CAM) 모델을 학습하여 각 class에 대해 활성화되는 영역에 대한 정보를 포함하는 제1 가중치 파일(Weight file)을 생성하는 단계;(c) 상기 제1 가중치 파일을 이용하여, 상기 이미지 데이터 셋을 구성하는 이미지 파일들의 활성화 영역들을 검출하고, 각 이미지 파일들로부터 검출된 활성화 영역들을 각 이미지 파일들에 대한 관심 영역들로 설정하고, 관심 영역들에 대한 위치 정보를 추출하는 단계;(d) 상기 이미지 데이터 셋을 구성하는 이미지 파일들과 각 이미지 파일들의 관심 영역들에 대한 위치 정보를 이용하여, Region based CNN(R-CNN) 모델을 학습하여 제2 가중치 파일을 생성하는 단계;를 구비하고, 상기 테스트 방법은, (e) 테스트 파일을 이진 이미지 파일로 변환시키는 단계; 및(f) 상기 학습 방법에 의해 R-CNN 모델 학습에 따른 제2 가중치 파일을 이용하여 상기 테스트 파일에 대한 이미지 파일을 테스트하여, 악성 코드의 존재 유무 및 악성 코드의 위치를 검출하는 단계;를 구비하여,임의의 파일에 대하여 악성 코드의 존재 유무 및 악성 코드의 위치를 검출하는 것을 특징으로 하는 악성 코드 검출 방법
|
