講演名 | 2018-11-21 ラベル情報を利用する敵対的生成モデルによるマルウェア解析手法の検討 古本 啓祐(NICT), 伊沢 亮一(NICT), 高橋 健志(NICT), 井上 大介(NICT), |
---|---|
PDFダウンロードページ | PDFダウンロードページへ |
抄録(和) | マルウェアを画像化する手法と深層学習を組み合わせた方式が数多く提案されている.これらの手法は,従来の人手による解析作業とは異なり,統計的な最適化問題として各検体を扱うアプローチであると考えられる.マルウェアのデータセットには,各検体に対する正解ラベル(マルウェアファミリ)の命名規則や判断基準がセキュリティベンダーごとに異なっており,識別精度がラベル付けの方法に大きく影響を受けるという課題が存在する.そこで,敵対的生成モデル(GAN:Generative Adversarial Networks)をマルウェア解析に適用するアプローチを検討する.GANのモデルは,複製側(Generator)と識別側(Discriminator)の2つのニューラルネットワークを内包し競わせることにより,教師なし学習による特徴量の学習結果を具体的なデータ表現として扱えることが可能である.特に本稿では,Conditional GANと呼ばれるラベル情報を利用することで出力クラスを明示的に指定可能なモデルを利用した手法を提案する.大規模データセットにおいて正解ラベルを各検体に1対1に対応付ける必要がなく,複数のセキュリティベンダーによるラベル情報をモデル内で利用できることが提案手法の特徴である. |
抄録(英) | Many schemes combining deep learning with methods for imaging malware have been proposed. These methods are considered to be statistical optimization problems unlike conventional manual analysis work. In the data set of malware, the naming rules and criteria of the correct label (malware family) are different for each security vendor, and there is a problem that the identification accuracy is greatly affected by the labeling method. Therefore, we consider approaches to apply Generative Adversarial Networks to malware analysis. In the GAN model, it is possible to learn feature quantities by unsupervised learning. In particular, this paper proposes a method using a model called Conditional GAN. The feature of the proposed method is that it is not necessary to associate correct labels with each specimen in a large-scale dataset, and label information from multiple security vendors can be used in the model. |
キーワード(和) | マルウェア / ディープラーニング / 敵対的生成学習 |
キーワード(英) | Malware / Deep Learning / Generative Adversarial Networks |
資料番号 | ICSS2018-57 |
発行日 | 2018-11-14 (ICSS) |
研究会情報 | |
研究会 | ICSS |
---|---|
開催期間 | 2018/11/21(から2日開催) |
開催地(和) | 宝山ホール(鹿児島) |
開催地(英) | |
テーマ(和) | 情報システム・セキュリティ、一般 |
テーマ(英) | |
委員長氏名(和) | 白石 善明(神戸大) |
委員長氏名(英) | Yoshiaki Shiraishi(Kobe Univ.) |
副委員長氏名(和) | 高倉 弘喜(NII) / 吉岡 克成(横浜国大) |
副委員長氏名(英) | Hiroki Takakura(NII) / Katsunari Yoshioka(Yokohama National Univ.) |
幹事氏名(和) | 神谷 和憲(NTT) / 笠間 貴弘(NICT) |
幹事氏名(英) | Kazunori Kamiya(NTT) / Takahiro Kasama(NICT) |
幹事補佐氏名(和) | 山田 明(KDDI labs.) / 木藤 圭亮(三菱電機) |
幹事補佐氏名(英) | Akira Yamada(KDDI labs.) / Keisuke Kito(Mitsubishi Electric) |
講演論文情報詳細 | |
申込み研究会 | Technical Committee on Information and Communication System Security |
---|---|
本文の言語 | JPN |
タイトル(和) | ラベル情報を利用する敵対的生成モデルによるマルウェア解析手法の検討 |
サブタイトル(和) | |
タイトル(英) | Malware Analysis Method Using Conditional Generative Adversarial Network |
サブタイトル(和) | |
キーワード(1)(和/英) | マルウェア / Malware |
キーワード(2)(和/英) | ディープラーニング / Deep Learning |
キーワード(3)(和/英) | 敵対的生成学習 / Generative Adversarial Networks |
第 1 著者 氏名(和/英) | 古本 啓祐 / Keisuke Furumoto |
第 1 著者 所属(和/英) | 情報通信研究機構(略称:NICT) National Institute of Information and Communications Technology(略称:NICT) |
第 2 著者 氏名(和/英) | 伊沢 亮一 / Ryoichi Isawa |
第 2 著者 所属(和/英) | 情報通信研究機構(略称:NICT) National Institute of Information and Communications Technology(略称:NICT) |
第 3 著者 氏名(和/英) | 高橋 健志 / Takeshi Takahashi |
第 3 著者 所属(和/英) | 情報通信研究機構(略称:NICT) National Institute of Information and Communications Technology(略称:NICT) |
第 4 著者 氏名(和/英) | 井上 大介 / Daisuke Inoue |
第 4 著者 所属(和/英) | 情報通信研究機構(略称:NICT) National Institute of Information and Communications Technology(略称:NICT) |
発表年月日 | 2018-11-21 |
資料番号 | ICSS2018-57 |
巻番号(vol) | vol.118 |
号番号(no) | ICSS-315 |
ページ範囲 | pp.25-30(ICSS), |
ページ数 | 6 |
発行日 | 2018-11-14 (ICSS) |