MalTree: 대규모 임베딩 기반 악성코드 진화 추적
MalTree: Tracing Malware Evolution from Embeddings at Scale
악성코드 탐지는 여전히 대부분 사후 대응형에 가깝다. 알려진 샘플로 학습된 머신러닝 모델은 위협이 진화함에 따라 성능이 저하된다. 악성코드 패밀리 간 진화 관계를 이해하는 것은 선제적 방어에 도움이 될 수 있지만, 기존 리버스 엔지니어링으로는 그러한 계보 관계를 밝히는 데 수개월에서 수년이 걸릴 수 있다. 우리는 MalTree를 제안한다. 이는 대규모로 생물정보학에서 영감을 받은 계통발생(phylogenetic) 기법(UPGMA 및 Neighbor-Joining)을 적용하여 구조적, 행동적, 이미지 기반 특징을 사용해 악성코드 진화를 자동으로 모델링하는 프레임워크이다. VirusTotal 타임스탬프를 이용한 시간적 검증을 도입하여 추론된 트리가 실제 진화 순서를 반영하는지 평가한다. MalTree는 87%의 시간적 일관성을 달성하며, 이는 추론된 진화 관계가 실세계 출현 타임라인과 밀접히 일치함을 나타낸다. 분석 결과 일부 패밀리는 다른 패밀리보다 10배 이상 빠르게 변이하며, 이는 탐지 전략이 패밀리별 진화 속도에 맞춰져야 함을 시사한다. Mirai 봇넷을 포함한 사례 연구는 계통발생 트리에서 추론된 관계가 문서화된 위협 정보와 일치함을 확인한다. 우리 프레임워크는 악성코드 분석을 샘플 단위 분류에서 계보 인식 진화 모델링으로 전환하는 토대를 제공한다.