합성곱 신경망 접근 방식을 활용한 정적 특징 시각화 및 안드로이드 악성코드 분류

안드로이드 폰은 가장 인기 있는 모바일 폰 운영 체제로 널리 알려져 있다. 또한, 인터넷 검색, 사진 촬영, 통화 및 메시지 전송과 같은 작업을 쉽게 수행할 수 있는 기능을 제공하기 때문에 일상 생활에서 이러한 작업을 수행하기 용이하다. 이러한 과정에서 발생하는 데이터에 대한 무단 접근으로 인해 사용자가 피해를 입는 상황이 매일 증가하고 있다. 안드로이드 운영 체제가 오픈 소스이며 생성된 애플리케이션이 시장에 출시되기 전에 철저히 검토되지 않기 때문에, 이 시나리오는 해커들의 주요 초점이 되었다. 따라서 악성코드와 정상 안드로이드 애플리케이션을 구별하는 기술이 필요하다. CNN 기반 기법은 이미지에서 안드로이드 악성코드 탐지에 적용될 때 중요한 성공적인 결과를 산출하는 것으로 입증되었다. 현재 문헌에서 사용되는 CICMalDroid 2020 데이터셋이 이 목적을 위해 사용되었다. 데이터셋의 앱 특징은 AndroPyTool 도구를 사용하여 얻었고, 병렬 실행 기법을 사용하여 17,089개의 안드로이드 애플리케이션의 빠른 분석 파일이 생성되었다. 권한, 인텐트, 리시버 및 서비스가 본 논문에서 정적 분석 특징으로 사용되었다. 이러한 특징이 얻어진 후, 데이터 전처리로 데이터셋 전체에서 각 특징의 총합이 1인 것을 제외하여 애플리케이션 자체가 특별히 생성한 특징을 제외하였다. 각 애플리케이션에 대해 지정된 각 특징에 대하여 애플리케이션의 사용 상태에 따라 쉼표로 구분된 텍스트를 얻었다. 각 특징에 대한 고유한 임베딩 벡터를 생성하기 위해 BERT 방법을 사용하여 관련 텍스트를 디지털화하였다. 벡터의 디지털화 이후, 각 특징의 길이에 기반하여 이미지 파일이 생성되었다. 이러한 이미지 파일을 나란히 결합하여 단일 이미지 파일을 작성하였다. 마지막으로, 이러한 이미지 파일을 CNN으로 분류하였다. 실험 결과는 연구에 사용된 데이터셋에 CNN을 적용하여 얻었다. 실험의 결과, 두 개의 출력을 가진 CNN이 91%의 정확도, 89%의 F1 점수, 90%의 재현율, 91%의 정밀도로 가장 높은 성능을 제공했다.