Key points are not available for this paper at this time.
초록 현대의 맬웨어는 최첨단 탐지 방법을 우회하기 위해 다양한 탐지 회피 기술을 발전시키고 있습니다. 이 문제를 해결하기 위한 새로운 경향은 이미지 변환과 기계 학습 모델을 결합하여 맬웨어를 분류하고 탐지하는 것입니다. 그러나 이 분야의 기존 연구는 간단한 이미지 변환 방법만 수행하고 있습니다. 이러한 간단한 변환은 색상 인코딩 및 픽셀 렌더링 기술이 기계 학습 분류기의 성능에 미치는 영향을 고려하지 않았습니다. 이 기사에서는 이진 파일의 바이트를 이미지로 인코딩하고 배열하는 새로운 접근 방식을 제안합니다. 이 개발된 이미지는 통계적(예: 엔트로피) 및 구문적 아티팩트(예: 문자열)를 포함하며, 그 픽셀은 공간 채우기 곡선을 사용하여 채워집니다. 이러한 특징 덕분에, 우리의 인코딩 방법은 광범위한 실험을 통해 입증된 기존 방법을 초월합니다. 특히, 우리가 제안한 방법은 힐버트 곡선에서 엔트로피 인코딩과 문자 클래스 계획을 결합하여 93.01%의 정확도를 달성했습니다.
Vu et al. (Wed,)은 이 질문을 연구했습니다.