CNN-BiLSTMに基づくマルウェア検出および分類システム

悪意のある目的のために、攻撃者は被害者が使用するソフトウェアにマルウェアを隠します。新しいマルウェアはインターネット上で継続的に共有され、マルウェアの種類や損害の方法が異なります。新しいマルウェアが発見されると、過去に似たようなマルウェアが存在したかどうかを確認し、旧型マルウェアを使用して新型マルウェアに対抗することが可能ですが、すべてのソフトウェアの悪意や類似性を確認することは困難です。したがって、ディープラーニング技術を使用してマルウェアを効率的に検出および分類することができます。本研究では、バイナリデータである静的特徴を画像に変換し、各データについて異なる長さの動的データであるAPIコールシーケンスなどの時系列データを固定長のデータに変換することで、この技術の精度を向上させます。静的および動的特徴の両方で訓練されたAIベースのマルウェア検出および分類システムを組み合わせたシステムを提案します。実験結果は、検出精度99.34%、分類精度95.1%、予測速度約0.1秒を示しました。