Acknowledgement
이 논문은 한경국립대학교 국립대학육성사업(2025) 지원을 받아 작성되었음
DOI QR Code
크립토재킹은 공격자가 사용자의 동의 없이 시스템 자원을 탈취해 암호화폐를 채굴하는 악성 행위이다. 공격자들은 탐지를 회피하기 위해 제어 흐름 그래프(CFG) 분석을 무력화하는 코드 난독화 기술을 사용할 수 있으며, 이로 인해 기존 정적 분석 기반 탐지 모델들은 난독화된 크립토재킹 탐지에 명백한 한계를 보인다. 이러한 문제를 해결하기 위해 본 논문은 다양한 난독화 기법이 적용된 바이너리의 CFG 데이터셋을 구축하고, 그래프의 구조적 노이즈 속에서 핵심 패턴을 학습할 수 있는 그래프 어텐션 네트워크(GAT) 모델을 활용하여 탐지하는 방법을 제안한다. 제안하는 모델은 여러 난독화 기법이 복합적으로 적용된 환경에서도 높은 탐지 성능을 보일 것으로 기대된다.
이 논문은 한경국립대학교 국립대학육성사업(2025) 지원을 받아 작성되었음