マルウェア静的判定における誤判定を低減させる誤判定グッドウェアを活用した事例選択手法

摘要

亜種·新種のマルウェアが日々大量に作成されている現在、アンチウイルスソフトで行われるマルウェア静的判定において、これら未知のマルウェアへの対応が急務である。機械学習を用いたマルウェア静的判定は、未知のマルウェアを判定できることが期待できる一方、グッドウェアをマルウェアと判定する誤判定が多いことが課題であった。そこで同判定方式において誤判定率を低減させる手法として、誤判定しやすいグッドウェアを用いた事例選択手法を提案する。本手法は、誤判定グッドウェアと類似したマルウェアデータを教師データから除去すると共に、オンライン分類器による誤判定グッドウェアデータの追加学習を行うことで、特に誤判定を低減する。本手法をMS-windows 64bitアプリケーションのマルウェア静的判定に適用したところ、0.5%以上あった誤判定率を低減し、誤判定なしで高い判定率を数か月持続して得ることができた。