초록
최근의 악성코드 공격이 빈도와 규모에서 점점 더 심각해짐에 따라, 지속적으로 변화하는 사이버 보안 환경에서 신속하고 정확한 악성코드 분류의 시급성이 강조되고 있습니다. 주요 과제는 유사한 악성코드 가족을 정확히 분류하는 것입니다. 이러한 진화하는 위협 환경을 대처하기 위해, 본 논문에서는 최신의 결과를 도출하는 새로운 아키텍처인 LeViT-MC를 제안합니다. LeViT-MC는 비전 트랜스포머 기반 아키텍처, 이미지 기반 시각화 접근 방식 및 고급 전이 학습 기술을 활용합니다. MaleVis 데이터셋을 사용한 다중 클래스 악성코드 분류 실험 결과, LeViT-MC가 기존 모델보다 크게 우위에 있음을 나타냈습니다. 본 연구는 이미지 기반 및 전이 학습 기술을 결합하는 것이 중요함을 강조하며, 비전 트랜스포머가 진화하는 사이버 위협과의 지속적인 싸움에서 선두에 서야 함을 입증합니다. 우리는 LeViT-MC라는 새로운 아키텍처를 제안하는데, 이는 이미지 분류에서 최고 수준의 성능을 달성할 뿐만 아니라 시간 효율성이 더욱 뛰어납니다.