랜섬웨어 탐지를 위한 기계 학습을 활용한 디지털 DNA 시퀀싱 엔진

악성 소프트웨어는 사이버 범죄, 사기, 사기 및 국가 간 사이버 전쟁을 포함하여 인터넷에서 사이버 공격을 수행하는 `악성 소프트웨어' 프로그램입니다. 이러한 악성 소프트웨어 프로그램은 바이러스, 트로이 목마, 웜, 스파이웨어, 봇넷 맬웨어, 랜섬웨어, 루트킷 등과 같은 다양한 분류로 존재합니다. 랜섬웨어는 사용자의 컴퓨터에 있는 데이터를 암호화하여 사용자에게 무 доступ하게 만든 후, 사용자가 돈의 형태로 몸값을 지불한 후에만 복호화하는 방식으로 피해자의 데이터를 인질로 잡는 악성 소프트웨어의 일종입니다. 탐지를 피하기 위해, 다양한 랜섬웨어 변종들은 공격 과정에서 기계 학습(ML) 알고리즘을 포함한 하나 이상의 기술을 활용합니다. 따라서 랜섬웨어 개발에 사용되는 기술과 그 배포 전략을 이해할 필요가 있으며, 이를 통해 공격 과정을 더 잘 이해하고 적절한 대응책을 개발할 수 있습니다. 본 논문에서는 기계 학습을 활용한 랜섬웨어 탐지를 위한 디지털 DNA 시퀀싱 엔진인 DNAact-Ran을 제안합니다. DNAact-Ran은 디지털 DNA 시퀀싱 설계 제약과 k-mer 빈도 벡터를 활용합니다. 제안된 접근법의 효능을 측정하기 위해, 우리는 582개의 랜섬웨어와 942개의 좋은 소프트웨어 사례에서 DNAact-Run을 평가하여 정밀도, 재현율, F-측정 및 정확도의 성능을 측정했습니다. 다른 방법들과 비교하여 평가 결과는 DNAact-Run이 랜섬웨어를 정확하고 효과적으로 예측하고 탐지할 수 있음을 보여줍니다.