맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

특성 선택에 기반한 모바일 악성 코드 분류 방법, 이를 수행하기 위한 기록 매체 및 장치

  • 기술번호 : KST2021011118
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 특성 선택에 기반한 모바일 악성 코드 분류 방법은, 카테고리가 정해진 악성 애플리케이션으로부터 패키지 명, 클래스 명, 메소드 명 및 디스크립션을 포함하는 API 특성정보를 추출하는 단계; 상기 API 특성정보 중 패키지 명, 클래스 명 및 메소드 명을 이용하여 생성한 트레이닝 데이터셋을 딥 러닝할 수 있도록 벡터화하는 단계; 벡터화된 트레이닝 데이터셋을 학습하여 분류기를 생성하는 단계; 타겟 악성 애플리케이션이 어떤 카테고리에 적합한지 확률로써 분류하는 단계; 및 분류 결과를 이용하여 타겟 악성 애플리케이션의 카테고리를 지정해주고 분류 중요 API를 출력하는 단계;를 포함한다. 이에 따라, 악성 애플리케이션의 악성 행위에 대해 빠르게 대처할 수 있고 악성 행위로 인한 피해를 방지할 수 있다.
Int. CL G06F 21/56 (2013.01.01) G06F 16/28 (2019.01.01)
CPC G06F 21/56(2013.01) G06F 16/285(2013.01)
출원번호/일자 1020200161669 (2020.11.26)
출원인 숭실대학교산학협력단
등록번호/일자 10-2302484-0000 (2021.09.09)
공개번호/일자
공고번호/일자 (20210914) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.11.26)
심사청구항수 7

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 숭실대학교산학협력단 대한민국 서울특별시 동작구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이정현 서울특별시 서초구
2 고은별 서울특별시 동작구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 윤귀상 대한민국 서울특별시 금천구 디지털로*길 ** ***호 (가산동, 한신IT타워*차)(디앤특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 숭실대학교산학협력단 서울특별시 동작구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2020.11.26 수리 (Accepted) 1-1-2020-1279076-20
2 [우선심사신청]심사청구서·우선심사신청서
 2020.12.02 수리 (Accepted) 1-1-2020-1304833-64
3 [우선심사신청]선행기술조사의뢰서
[Request for Preferential Examination] Request for Prior Art Search		 2020.12.05 수리 (Accepted) 9-1-9999-9999999-89
4 [우선심사신청]선행기술조사보고서
[Request for Preferential Examination] Report of Prior Art Search		 2020.12.14 수리 (Accepted) 9-1-2020-0032098-84
5 의견제출통지서
Notification of reason for refusal		 2021.04.07 발송처리완료 (Completion of Transmission) 9-5-2021-0280361-10
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2021.06.07 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2021-0653157-15
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2021.06.07 수리 (Accepted) 1-1-2021-0653156-69
8 등록결정서
Decision to grant		 2021.08.23 발송처리완료 (Completion of Transmission) 9-5-2021-0667769-55
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
카테고리가 정해진 악성 애플리케이션으로부터 패키지 명, 클래스 명, 메소드 명 및 디스크립션을 포함하는 API 특성정보를 추출하는 단계;상기 API 특성정보 중 패키지 명, 클래스 명 및 메소드 명을 이용하여 생성한 트레이닝 데이터셋을 딥 러닝할 수 있도록 벡터화하는 단계;벡터화된 트레이닝 데이터셋을 학습하여 분류기를 생성하는 단계;타겟 악성 애플리케이션이 어떤 카테고리에 적합한지 확률로써 분류하는 단계; 및분류 결과를 이용하여 타겟 악성 애플리케이션의 카테고리를 지정해주고 분류 중요 API를 출력하는 단계;를 포함하며,상기 분류 중요 API를 출력하는 단계는,타겟 악성 애플리케이션에 대한 각 카테고리별 확률 중 미리 설정된 임계값보다 큰 값에 해당하는 카테고리를 타겟 악성 애플리케이션의 특성으로 결정하는 단계; 및타겟 악성 애플리케이션이 상기 분류기에서 확률을 부여 받을 때 가장 영향이 큰 미리 설정된 수만큼의 API를 출력하는 단계;를 포함하되, 상기 타겟 악성 애플리케이션에 대한 각 카테고리별 확률 중 미리 설정된 임계값보다 큰 값이 없는 경우 Unlabeled를 부여하고 유사한 카테고리 및 분류 중요 API를 제공하는, 특성 선택에 기반한 모바일 악성 코드 분류 방법
2 2
제1항에 있어서, 상기 벡터화하는 단계는,카테고리별로 각 애플리케이션에 대해 추출한 API를 모두 합쳐서 트레이닝 데이터셋으로 구축하는 단계; 및트레이닝 데이터셋을 딥 러닝 알고리즘의 입력 값으로 이용하기 위하여 API를 벡터화하는 단계;를 포함하는, 특성 선택에 기반한 모바일 악성 코드 분류 방법
3 3
제1항에 있어서, 상기 분류하는 단계는,타겟 악성 애플리케이션에 대해 어떤 카테고리와 적합한지 각 카테고리별 확률을 부여하는 단계;를 포함하는, 특성 선택에 기반한 모바일 악성 코드 분류 방법
4 4
삭제
5 5
제1항에 따른 상기 특성 선택에 기반한 모바일 악성 코드 분류 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 저장 매체
6 6
카테고리가 정해진 악성 애플리케이션으로부터 패키지 명, 클래스 명, 메소드 명 및 디스크립션을 포함하는 API 특성정보를 추출하는 API 추출기;상기 API 특성정보 중 패키지 명, 클래스 명 및 메소드 명을 이용하여 생성한 트레이닝 데이터셋을 딥 러닝할 수 있도록 벡터화하는 API 벡터화기;벡터화된 트레이닝 데이터셋을 학습하여 분류기를 생성하는 학습기;타겟 악성 애플리케이션이 어떤 카테고리에 적합한지 확률로써 분류하는 분류기; 및분류 결과를 이용하여 타겟 악성 애플리케이션의 카테고리를 지정해주고 분류 중요 API를 출력하는 특성 식별기;를 포함하며,상기 특성 식별기는,타겟 악성 애플리케이션에 대한 각 카테고리별 확률 중 미리 설정된 임계값보다 큰 값에 해당하는 카테고리를 타겟 악성 애플리케이션의 특성으로 결정하는 특성 결정기; 및타겟 악성 애플리케이션이 상기 분류기에서 확률을 부여 받을 때 가장 영향이 큰 미리 설정된 수만큼의 API를 출력하는 중요 API 식별기;를 포함하되,상기 타겟 악성 애플리케이션에 대한 각 카테고리별 확률 중 미리 설정된 임계값보다 큰 값이 없는 경우 Unlabeled를 부여하고 유사한 카테고리 및 분류 중요 API를 제공하는, 특성 선택에 기반한 모바일 악성 코드 분류 장치
7 7
제6항에 있어서, 상기 API 벡터화기는,카테고리별로 각 애플리케이션에 대해 추출한 API를 모두 합쳐서 트레이닝 데이터셋으로 구축하는 트레이닝 데이터셋 생성기; 및트레이닝 데이터셋을 딥 러닝 알고리즘의 입력 값으로 이용하기 위하여 API를 벡터화하는 API 단어 임베딩기;를 포함하는, 특성 선택에 기반한 모바일 악성 코드 분류 장치
8 8
제6항에 있어서, 상기 분류기는,타겟 악성 애플리케이션에 대해 어떤 카테고리와 적합한지 각 카테고리별 확률을 부여하는 확률 평가기;를 포함하는, 특성 선택에 기반한 모바일 악성 코드 분류 장치
9 9
삭제
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 숭실대학교 산학협력단 정보보호핵심원천기술개발(R＆D,정보화) 사이버 위협 대응을 위한 Deep Malware 자동 분석 기술 개발