Delphi Scanner: efficient and interpretable static malware detection via API sequence modeling | AIChainDay

한국어 요약by Claude · 2026. 9. 20.

이 논문은 윈도우 PE(포터블 실행) 파일을 위한 정적 악성코드 탐지 시스템 '델파이 스캐너(Delphi Scanner)'를 제안한다. CNN으로 윈도우 API 호출 시퀀스를 모델링해 PE 파일을 분류하고, 규칙 기반의 별도 해석 계층을 통해 API를 상위 수준의 악성 행위 범주로 분류함으로써 효율성과 해석 가능성을 동시에 확보했다. 19만 개 이상의 윈도우 PE 파일로 평가한 결과 95.35%의 정확도를 달성했으며 모델 용량은 1.53MB에 불과했다. 5,647개의 분포 외(out-of-distribution) 악성코드 샘플, 패킹·언패킹 실행 파일 쌍, 3가지 적대적 조작 기법에 대한 강건성 실험에서도 학습 분포를 넘어선 일반화 성능과 회피 기법에 대한 저항성을 확인했다. 연구진은 API 시퀀스 기반 정적 분석이 로컬 환경에서 실용적이고 해석 가능하며 효율적인 악성코드 선별 기반이 될 수 있음을 보여준다고 결론짓는다.

•CNN 기반 윈도우 API 시퀀스 모델링과 규칙 기반 해석 계층을 결합한 정적 악성코드 탐지 시스템 '덆파이 스캐너' 제안
•19만 개 이상 윈도우 PE 파일 평가에서 95.35% 정확도, 모델 용량 1.53MB로 경량화
•5,647개 분포 외 샘플, 패킹/언패킹 쌍, 3종 적대적 조작 기법에 대한 강건성 검증
•API 시퀀스 기반 분석이 로컬 배포 환경에서 실용적·해석 가능·효율적인 탐지 기반이 될 수 있음을 제시

0단 자동

AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.

규칙 판: 규칙 판 도입 이전 기사입니다.
남기는 것: 규칙 판 · 모델 · 시각
판 기록: 아직 없습니다.

AI2026년 9월 18일AI 점수: 85%

Delphi Scanner: efficient and interpretable static malware detection via API sequence modeling

출처:arXiv cs.CR (암호학·보안)

AI 인사이트

개발자

1.Windows PE 파일 정적 악성코드 탐지 시스템 'Delphi Scanner' 공개, CNN으로 API 시퀀스 모델링
2.규칙기반 해석계층을 분리해 API를 고수준 악성 기능으로 분류, 탐지와 해석가능성을 동시 확보
3.19만여 개 Windows PE 파일 평가에서 정확도 95.35%, 모델 용량은 1.53MB에 불과
4.5,647개 미학습 분포(OOD) 샘플, 패킹/언패킹 쌍, 3가지 적대적 조작 기법에서도 강건성 확인

왜 중요한가?

경량 모델임에도 높은 정확도와 해석가능성을 함께 달성해, 로컬 배포 환경의 악성코드 트리아지에 실용적으로 바로 적용 가능한 접근을 제시한다.

언급 프로젝트

Delphi Scanner

AIChainDay 편집노트왜 이 기사를 골랐나

새로운 AI 기반 악성코드 탐지 시스템인 'Delphi Scanner'는 탐지 효과성, 연산 효율성, 그리고 해석 가능성을 균형 있게 제공합니다. 이는 윈도우 기반 시스템 사용이 높은 국내에서 사이버 보안 역량을 강화하고, 보안 전문가들이 위협에 더욱 신속하고 정확하게 대응하는 데 필수적인 요소로 작용할 것입니다.

본문 미리보기

arXiv:2609.19900v1 Announce Type: new Abstract: Static malware detection for Windows Portable Executable files demands a careful balance between detection effectiveness, computational efficiency, and analytical interpretability. This paper introduces Delphi Scanner, a static malware detection system for Windows PE files that balances efficiency with behavioral interpretation. It uses a convolutional neural network (CNN) to model Windows API sequences to classify PE and a decoupled interpretatio

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기