인공지능을 이용한 배드섹터 탐지기술

인공지능을 활용한 배드섹터 악성코드 탐지방법

현재의 발명품은 특정 코드 섹션의 패턴 정보를 사용하여 악성 코드를 탐지하는 대신 악성 코드의 정적 구성 요소를 제공한다. 돌 및 동적 분석을 통한 AI 딥러닝 기반 악성 추출 및 딥러닝 기반 악성코드 검출섹스 코드 탐지 시스템에 관한 겁니다. 특히, 현재의 발명품은 의심스러운 파일을 수집하고, 의심스러운 파일 특징과 행동 정보, 그리고 미리 정의된 특징들을 수집한다. 선택적으로 추출하여 머신러닝을 사용하여 악성 코드인지 여부를 확인합니다. IOC 규칙에 따라 악성코드를 생성하고 IOC 정보를 기반으로 AI 딥러닝을 기반으로 악성코드를 삭제하고 대응합니다. 탐지 시스템에 관한 것입니다.배경 기술일반적으로 악성 코드 탐지 방법은 악성 코드의 특정 코드 섹션을 일치시켜 수행됩니다. 달리 말하면, 종소리다음 악성 코드 탐지 방법은 의심되는 악성 코드 파일에 대한 패턴 정보를 제공하는 것입니다.악성 코드를 분해하여 탐지합니다.특히 기존 안티바이러스 탐지 방식은 악성코드에 사용되는 특정 코드 섹션에 바이트가 있다.악성코드는 탐지 또는 악성코드 액션에 의해 생성된 다양한 로그 정보 및 파일 구조 정보를 기반으로 생성된다.성별은 의심되는 DLL 또는 API 함수가 존재하는지 여부와 악성인지 여부를 결정합니다. 그러나 이 방법은 새로운 악성 코드와 변형 악성 코드를 탐지하기 어렵습니다.또한 일반적인 가상 시스템 기반 악성 파일 분석 시스템의 경우 악성 코드는 다양한 안티 가상 시스템입니다.기술 및 디버깅 방지기술로 분석시스템에서 악성코드 자체가 실행된다고 판단될 경우중지 또는 불법 코드가 실행 중이지만 불법 작업은 발생하지 않습니다. 따라서 분석 시스템에 의해 분석됩니다. 이런 것이 없기 때문에 분석이 어려울 수 있다.따라서 정적 방법과 동적 방법이 모두 악성 코드를 탐지하는 데 사용됩니다. 정적 및 동적 방법으로 다양한 특징을 추출할 필요가 있습니다.방법이란 악성코드 실행 시 다양한 악성행위를 분석하는 것을 말한다. 발명의 효과위에서 언급한 바와 같이, AI 딥러닝 기반 악성코드 탐지 시스템에 따르면, 정적 정보와모든 동적 정보를 사용하여, 우리는 악성 특성과 연속성 사이의 강한 관계에 대한 기계 학습을 배울 수 있습니다. 따라서 악성 여부를 판단해 패턴 베이스의 한계를 뛰어넘어 제로데이 악성코드나 변종 악성코를 넘나든다.Do를 탐지할 수 있으며, 악성코드를 빠르게 파악하여 대응할 수 있습니다. 또한 AI 딥러닝 기반 악성코드 탐지 시스템에 따르면 에이전트를 통해 수집된 정보도 이용할 수 있다.다수의 A는 악성 여부를 분석하고 수집된 정보를 바탕으로 IoC 규칙을 생성해 같은 네트워크에 속해 있다.전국의 공통 IoC 규칙을 처리하여 여러 사용자 PC를 보호한 다음 동일한 악성 코드를 반복할 수 있습니다. 특히, 기업에 유입되는 유사한 악성코드를 탐지하고 분리할 수 있습니다. 궁극적으로는사용자의 PC로 유입되는 다양한 악성코드를 탐지하여 해당 킬체인을 신속하게 인식하는 기계학습 기반에 기반한 악성코드 탐지 및 대응을 위한 IOC 시스템을 제공하는 셈이다.턴 룰에 없는 악성코드도 탐지할 수 있고, 과거 악성코드 외에 새로운 악성코드, 변형 악성코드도 탐지할 수 있다. 언더그라운드는 높은 탐지율, 탐지 확장성, 시스템 안전 및 안전을 지원하는 고속 악성 코드 탐지 프레임워크를 제공할 수 있습니다. 또한, 바이러스 정보의 단순한 탐지, 수집, 격리, 현재 발명에 사용되는 다양한 악성 툴의 탐지 외에도,그러나 이 정보는 다른 유사한 시스템에 사용 및 적용할 수 있습니다.