RoMA: 강력한 적대적 공격에도 끄떡없는 악성코드 귀속 모델 등장!

Sun Yuxia 등 연구팀이 개발한 RoMA 모델은 적대적 공격에 강한 새로운 악성코드 귀속 모델로, 기존 모델의 한계를 극복하고 높은 정확도와 효율성을 달성했습니다. AMG18 데이터셋을 사용한 실험 결과, RoMA는 다른 모델들에 비해 훨씬 우수한 성능을 보였습니다.

사이버 보안의 새로운 지평을 여는 RoMA 모델

최근 사이버 공격의 고도화로 인해 APT(Advanced Persistent Threat) 공격의 위협이 날로 증가하고 있습니다. APT 공격의 특징은 공격자의 신원을 은폐하여 추적을 어렵게 만든다는 점입니다. 이러한 상황에서 악성코드의 출처를 정확하게 파악하는 것은 사이버 보안의 핵심 과제로 떠오르고 있습니다.

기존의 머신러닝 기반 악성코드 귀속 모델은 효과적이지만, 적대적 공격에 취약하다는 치명적인 약점을 가지고 있었습니다. 예를 들어, 최첨단 바이트 단위 모델인 MalConv의 경우, PGD(Projected Gradient Descent) 공격 하에서 정확도가 90% 이상에서 2% 미만으로 급격히 감소하는 것으로 나타났습니다.

Sun Yuxia를 비롯한 연구팀은 이러한 문제를 해결하기 위해 새로운 악성코드 귀속 모델인 RoMA를 개발했습니다. RoMA는 전역적 섭동을 통해 강화된 적대적 샘플을 생성하고, 적대적 일관성 규제를 적용하여 모델의 표현 품질과 복원력을 향상시키는 혁신적인 접근 방식을 채택했습니다. 단일 단계 적대적 훈련 기법을 사용하여 효율성을 높인 점 또한 주목할 만합니다.

연구팀은 다양한 샘플과 현실적인 클래스 불균형을 포함하는 새로운 APT 악성코드 데이터셋인 AMG18을 사용하여 RoMA 모델의 성능을 평가했습니다. 그 결과, RoMA는 기존의 7가지 방법보다 적대적 견고성과 훈련 효율성 측면에서 모두 탁월한 성능을 보였습니다. 특히, PGD 공격 하에서 80% 이상의 높은 견고한 정확도를 달성했으며, 이는 두 번째로 성능이 좋은 방법보다 두 배 이상 높은 수치입니다. 훈련 속도 또한 두 배 이상 빠른 것으로 나타났습니다. 일반적인 비적대적 상황에서도 우수한 정확도를 유지했습니다.

RoMA 모델의 등장은 사이버 보안 분야에 중요한 전환점이 될 것으로 예상됩니다. 강력한 적대적 공격에도 끄떡없는 높은 정확도와 효율성을 바탕으로, 더욱 안전한 사이버 공간을 구축하는데 크게 기여할 것으로 기대됩니다. 하지만, 지속적인 연구와 개발을 통해 더욱 강력하고 안전한 모델을 개발해 나가야 할 것입니다. 끊임없이 진화하는 사이버 위협에 대응하기 위해서는 지속적인 노력이 필요합니다.