| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 0000-00-00 00:00 データ拡張による画像化されたマルウェアの分類精度向上 ○横堀 薫・谷岡広樹・佐野雅彦・松浦健二・上田哲史（徳島大）  IT2023-115 ISEC2023-114 WBS2023-103 RCC2023-97 |
|
| 抄録 | （和） | マルウェアを用いた攻撃は古くから行われているが， 2019年と2020年でマルウェアの感染が増加した． マルウェアの感染が増加した一因として既存のマルウェアの亜種が容易に作成できるようになってきたことが考えられる． マルウェアの亜種を既存のマルウェアファミリに自動的に分類することができれば，解析者の負担を減らして素早く対処できる． マルウェアを分類する手法の一つに マルウェアデータのバイナリ構造をグレースケール画像に変換した画像データを用いて機械学習で分類する手法が研究されているが， 十分な量のマルウェアデータが入手できない場合がある． 本研究では，マルウェアファミリごとにデータ量が異なる不均衡データに対して，WGAN-GPでデータ拡張を行い分類精度の向上を図る． 今回の実験では，CNNを用いた提案手法では$96.3%$の平均正解率， Random Forestを用いた提案手法では$97.1%$の平均正解率が得られた． |
| （英） | Although malware-based attacks have existed for years, malware infections increased in 2019 and 2020. One of the reasons for this increase is that it has become easier to create malware variants. If the variants can be automatically classified existing malware families, analyst can have less burden and handle quickly. The method of malware classification using machine learning and image data which has been converted from binary data of malware have been studied. However, enough malware data may not be available. In this study, we attempt to improve the classification accuracy of unbalanced data which each malware family has different amount of its data, by using data expansion of WGAN-GP. In this experiment, the proposed method using CNN achieved accuracy $96.3%$. The method using Random Forest achieved accuracy $97.1%$. |
|
| キーワード | （和） | 深層学習 / 画像分類 / マルウェア / データ拡張 / Generative adversarial network / / / |
| （英） | Deep learning / Image classification / Malware / Data augmentation / Generative adversarial network / / / | |
| 文献情報 | 信学技報, vol. 123, no. 424, ISEC2023-114, pp. 259-264, 2024年3月. | |
| 資料番号 | ISEC2023-114 | |
| 発行日 | 2024-03-06 (IT, ISEC, WBS, RCC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IT2023-115 ISEC2023-114 WBS2023-103 RCC2023-97 |
|
| 研究会情報 | |
| 研究会 | RCC ISEC IT WBS |
| 開催期間 | 2024-03-13 - 2024-03-14 |
| 開催地（和） | 大阪大学吹田キャンパス |
| 開催地（英） | Osaka Univ. (Suita Campus) |
| テーマ（和） | RCC・ISEC・IT・WBS合同研究会 |
| テーマ（英） | RCC, ISEC, IT, WBS |
| 講演論文情報の詳細 | |
| 申込み研究会 | ISEC |
| 会議コード | 2024-03-RCC-ISEC-IT-WBS |
| 本文の言語 | 日本語 |
| タイトル（和） | データ拡張による画像化されたマルウェアの分類精度向上 |
| サブタイトル（和） | |
| タイトル（英） | Improving The Classification Accuracy of Imaged Malware through Data Expansion |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep learning |
| キーワード(2)（和/英） | 画像分類 / Image classification |
| キーワード(3)（和/英） | マルウェア / Malware |
| キーワード(4)（和/英） | データ拡張 / Data augmentation |
| キーワード(5)（和/英） | Generative adversarial network / Generative adversarial network |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 横堀 薫 / Kaoru Yokobori / ヨコボリ カオル |
| 第1著者 所属（和/英） | 徳島大学 (略称： 徳島大) Tokushima University (略称： Tokushima Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 谷岡 広樹 / Hiroki Tanioka / タニオカ ヒロキ |
| 第2著者 所属（和/英） | 徳島大学 (略称： 徳島大) Tokushima University (略称： Tokushima Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 佐野 雅彦 / Masahiko Sano / サノ マサヒコ |
| 第3著者 所属（和/英） | 徳島大学 (略称： 徳島大) Tokushima University (略称： Tokushima Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 松浦 健二 / Kenji Matsuura / マツウラ ケンジ |
| 第4著者 所属（和/英） | 徳島大学 (略称： 徳島大) Tokushima University (略称： Tokushima Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 上田 哲史 / Tetsushi Ueta / ウエタ テツシ |
| 第5著者 所属（和/英） | 徳島大学 (略称： 徳島大) Tokushima University (略称： Tokushima Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 0000-00-00 00:00:00 |
| 発表時間 | 分 |
| 申込先研究会 | ISEC |
| 資料番号 | IT2023-115, ISEC2023-114, WBS2023-103, RCC2023-97 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.423(IT), no.424(ISEC), no.425(WBS), no.426(RCC) |
| ページ範囲 | pp.259-264 |
| ページ数 | 6 |
| 発行日 | 2024-03-06 (IT, ISEC, WBS, RCC) |
[研究会発表申込システムのトップページに戻る]