DOI QR코드

DOI QR Code

머신러닝 기반 블록체인 DApp 시스템 설계 및 구현

Design and Implementation of Machine Learning-based Blockchain DApp System

  • 이형우 (한신대학교 컴퓨터공학부) ;
  • 이한성 (한신대학교 대학원 컴퓨터공학과)
  • Lee, Hyung-Woo (Div. of Computer Engineering, Hanshin University) ;
  • Lee, HanSeong (Dept. of Computer Engineering, Hanshin University)
  • 투고 : 2020.10.14
  • 심사 : 2020.11.30
  • 발행 : 2020.12.31

초록

본 논문에서는 지속적으로 급증하고 있는 안드로이드 악성 앱을 자동적으로 판별하기 위해 머신러닝 기법을 적용하여 프라이빗 블록체인을 토대로 웹 기반 DApp 시스템을 개발하였다. 공인 실험 데이터를 대상으로 안드로이드 악성 앱 판별에 96.2587% 정확도를 제공하는 최적의 머신러닝 모델을 선정하였고, 안드로이드 악성 앱에 대한 자동 판별 결과를 Hyperledger Fabric 블록체인 시스템 내에 자동적으로 기록/관리하였다. 또한 적법한 권한이 부여된 사용자만이 블록체인 시스템을 이용할 수 있도록 웹 기반의 DApp 시스템을 개발하였다. 따라서 본 논문에서 제시한 머신러닝 기반 안드로이드 악성 앱 판별 블록체인 DApp 시스템 개발을 통해 안드로이드 모바일 앱 이용 환경에서의 보안성을 더욱 향상시킬 수 있으며, 향후에 일반적인 범용 데이터를 대상으로 머신러닝과 블록체인을 결합한 보안 서비스로 발전시킬 수 있을 것으로 기대된다.

참고문헌

  1. SAS Institute, "Machine Learning: What it is & why it matters", https://www.sas.com/en_us/insights/analytics/machine-learning.html (November 1, 2020)
  2. H. Lee, S. Chung, E. Choi, "A Case Study on Machine Learning Applications and Performance Improvement in Learning Algorithm," Journal of Digital Convergence, Vol.14, No.2 pp.245-258, 2016. https://doi.org/10.14400/JDC.2016.14.2.245
  3. Machine Learning for Malware Detection, Kasperskey Lab, Edward Raff, Malware Detection by Eating a Whole EXE, NVIDIA, 2017.
  4. The Linux Foundation Project, Hyperledger Project URL: https://www.hyperledger.org
  5. Security Technology Research Team, "Introduction of malicious code detection research by foreign companies using machine learning," Financial Security Institute Technical Report, 2018-029, 2018, 4, http://www.fsec.or.kr/common/proc/fsec/bbs/42/fileDownLoad/1520.do
  6. Dong-Hyeok Park, Eui-Jung Myeong, Joobeom Yun, "Efficient Detection of Android Mutant Malwares Using the DEX file", Korea Institute Of Information Security And Cryptology, Vol.26, No.4, pp.895-902. 2016. https://doi.org/10.13089/JKIISC.2016.26.4.895
  7. Da-Hye Kim, Myeon-ggeon Lee, Min-Su Song, Seong-je Cho, "Machine Learning based Android Malware Detection using Gray Scale Images", KOREA INFORMATION SCIENCE SOCIETY, 1245-1247. 2018.
  8. S.J Cho, "Latest Android malicious app trends and detection techniques," iitp technical report, 2019, 9
  9. Symantec. Internet Security Threat Report. Volume 23. March 2018. https://docs.broadcom.com/doc/istr-23-2018-en.
  10. Victor Chebyshev. Mobile malware evolution 2019. February 25, 2020. http://securelist.com/mobile-malware-evolution-2019/96280/.
  11. Androguard. https://github.com/androguard/androguard.
  12. scikit-learn. https://scikit-learn.org/.
  13. S.M.Hwang and H.W.Lee, "Identification of Counterfeit Android Malware Apps using Hyperledger Fabric Blockchain," Journal of Internet Computing and Services, Vol.20, No.2, pp.61-68, 2019. DOI: 10.7472/jksii.2019.20.2.61. https://doi.org/10.7472/jksii.2019.20.2.61
  14. H.S.Lee and H.W.Lee, "Consortium Blockchain based Forgery Android APK Discrimination DApp using Hyperledger Composer," Journal of Internet Computing and Services, Vol.20, No.5, pp.9-18, 2019. DOI: 10.7472/jksii.2019.20.5.9. https://doi.org/10.7472/jksii.2019.20.5.9
  15. H.S.Lee and H.W.Lee, "Optimal Machine Learning Model for Detecting Normal and Malicious Android Apps," Journal of Korea Internet on Things Society, Vol.6, No.2, pp.1-10, 2020. DOI: 10.20465/KIOTS,2020.6.2.001. https://doi.org/10.20465/KIOTS,2020.6.2.001