Building Malware Classificators usable by State Security Agencies
El sandboxing ha sido usado de manera regular para analizar muestras de software y determinar si estas contienen propiedades o comportamientos sospechosos. A pesar de que el sandboxing es una técnica poderosa para desarrollar análisis de malware, esta requiere que un analista de malware desarrolle u...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad del Rosario
- Repositorio:
- Repositorio EdocUR - U. Rosario
- Idioma:
- eng
- OAI Identifier:
- oai:repository.urosario.edu.co:10336/27308
- Acceso en línea:
- https://doi.org/10.15332/iteckne.v15i2.2072
https://repository.urosario.edu.co/handle/10336/27308
- Palabra clave:
- Cuckoo sandbox
Ciencia de datos
Aprendizaje de máquina
Análisis de malware
Sandboxing
Cuckoo sandbox
Data science
Machine learning
Malware analysis
Sandboxing
- Rights
- License
- Abierto (Texto Completo)
id |
EDOCUR2_607aced7a9dc19a973e006877142d419 |
---|---|
oai_identifier_str |
oai:repository.urosario.edu.co:10336/27308 |
network_acronym_str |
EDOCUR2 |
network_name_str |
Repositorio EdocUR - U. Rosario |
repository_id_str |
|
spelling |
59a8c78a-08f0-46fc-ab0b-6f678c81ff55-113a4a078-2351-4d4e-b7e6-52b1bec1a6db-1a6cb52f0-a025-496d-b6b2-ba3e4f3e23e6-110616957136002020-08-19T14:41:41Z2020-08-19T14:41:41Z2018-07El sandboxing ha sido usado de manera regular para analizar muestras de software y determinar si estas contienen propiedades o comportamientos sospechosos. A pesar de que el sandboxing es una técnica poderosa para desarrollar análisis de malware, esta requiere que un analista de malware desarrolle un análisis riguroso de los resultados para determinar la naturaleza de la muestra: goodware o malware. Este artículo propone dos modelos de aprendizaje automáticos capaces de clasificar muestras con base a un análisis de firmas o permisos extraídos por medio de Cuckoo sandbox, Androguard y VirusTotal. En este artículo también se presenta una propuesta de arquitectura de centinela IoT que protege dispositivos IoT, usando uno de los modelos de aprendizaje automáticos desarrollados anteriormente. Finalmente, diferentes enfoques y perspectivas acerca del uso de sandboxing y aprendizaje automático por parte de agencias de seguridad del Estado también son aportados.Sandboxing has been used regularly to analyze software samples and determine if these contain suspicious properties or behaviors. Even if sandboxing is a powerful technique to perform malware analysis, it requires that a malware analyst performs a rigorous analysis of the results to determine the nature of the sample: goodware or malware. This paper proposes two machine learning models able to classify samples based on signatures and permissions obtained through Cuckoo sandbox, Androguard and VirusTotal. The developed models are also tested obtaining an acceptable percentage of correctly classified samples, being in this way useful tools for a malware analyst. A proposal of architecture for an IoT sentinel that uses one of the developed machine learning model is also showed. Finally, different approaches, perspectives, and challenges about the use of sandboxing and machine learning by security teams in State security agencies are also shared.application/pdfhttps://doi.org/10.15332/iteckne.v15i2.2072ISSN: 1692-1798EISSN: 2393-3483https://repository.urosario.edu.co/handle/10336/27308engUniversidad Santo Tomás121No. 2107ITECKNEVol. 15ITECKNE, ISSN: 1692-1798;EISSN: 2393-3483, Vol.15, No.2 (Diciembre 2018); pp. 107-121http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2072Abierto (Texto Completo)http://purl.org/coar/access_right/c_abf2ITECKNEinstname:Universidad del Rosarioreponame:Repositorio Institucional EdocURCuckoo sandboxCiencia de datosAprendizaje de máquinaAnálisis de malwareSandboxingCuckoo sandboxData scienceMachine learningMalware analysisSandboxingBuilding Malware Classificators usable by State Security AgenciesConstrucción de clasificadores de malware para agencias de seguridad del EstadoarticleArtículohttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_6501Useche-Peláez, David EstebanSepúlveda-Alzate, DanielaCabuya-Padilla, Diego EdisonDíaz López, Daniel OrlandoORIGINAL2072-4872-3-PB.pdfapplication/pdf433873https://repository.urosario.edu.co/bitstreams/13a8968e-2f6d-41c4-8d36-4ecbac2b1113/downloade93a1a4a4c76f12c21f43f8515e971feMD51TEXT2072-4872-3-PB.pdf.txt2072-4872-3-PB.pdf.txtExtracted texttext/plain54572https://repository.urosario.edu.co/bitstreams/26d54a9b-069c-4575-a6a9-50f8cc8e24c9/download28800026a093c9f65f174dc1460b9573MD52THUMBNAIL2072-4872-3-PB.pdf.jpg2072-4872-3-PB.pdf.jpgGenerated Thumbnailimage/jpeg5116https://repository.urosario.edu.co/bitstreams/8111ddc0-c193-486e-9e72-eb4eeccdf68e/downloadf561733d5a704d0a9021022ec30f56bbMD5310336/27308oai:repository.urosario.edu.co:10336/273082021-06-03 00:50:09.627https://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.co |
dc.title.spa.fl_str_mv |
Building Malware Classificators usable by State Security Agencies |
dc.title.TranslatedTitle.spa.fl_str_mv |
Construcción de clasificadores de malware para agencias de seguridad del Estado |
title |
Building Malware Classificators usable by State Security Agencies |
spellingShingle |
Building Malware Classificators usable by State Security Agencies Cuckoo sandbox Ciencia de datos Aprendizaje de máquina Análisis de malware Sandboxing Cuckoo sandbox Data science Machine learning Malware analysis Sandboxing |
title_short |
Building Malware Classificators usable by State Security Agencies |
title_full |
Building Malware Classificators usable by State Security Agencies |
title_fullStr |
Building Malware Classificators usable by State Security Agencies |
title_full_unstemmed |
Building Malware Classificators usable by State Security Agencies |
title_sort |
Building Malware Classificators usable by State Security Agencies |
dc.subject.spa.fl_str_mv |
Cuckoo sandbox Ciencia de datos Aprendizaje de máquina Análisis de malware Sandboxing |
topic |
Cuckoo sandbox Ciencia de datos Aprendizaje de máquina Análisis de malware Sandboxing Cuckoo sandbox Data science Machine learning Malware analysis Sandboxing |
dc.subject.keyword.spa.fl_str_mv |
Cuckoo sandbox Data science Machine learning Malware analysis Sandboxing |
description |
El sandboxing ha sido usado de manera regular para analizar muestras de software y determinar si estas contienen propiedades o comportamientos sospechosos. A pesar de que el sandboxing es una técnica poderosa para desarrollar análisis de malware, esta requiere que un analista de malware desarrolle un análisis riguroso de los resultados para determinar la naturaleza de la muestra: goodware o malware. Este artículo propone dos modelos de aprendizaje automáticos capaces de clasificar muestras con base a un análisis de firmas o permisos extraídos por medio de Cuckoo sandbox, Androguard y VirusTotal. En este artículo también se presenta una propuesta de arquitectura de centinela IoT que protege dispositivos IoT, usando uno de los modelos de aprendizaje automáticos desarrollados anteriormente. Finalmente, diferentes enfoques y perspectivas acerca del uso de sandboxing y aprendizaje automático por parte de agencias de seguridad del Estado también son aportados. |
publishDate |
2018 |
dc.date.created.spa.fl_str_mv |
2018-07 |
dc.date.accessioned.none.fl_str_mv |
2020-08-19T14:41:41Z |
dc.date.available.none.fl_str_mv |
2020-08-19T14:41:41Z |
dc.type.eng.fl_str_mv |
article |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.type.spa.spa.fl_str_mv |
Artículo |
dc.identifier.doi.none.fl_str_mv |
https://doi.org/10.15332/iteckne.v15i2.2072 |
dc.identifier.issn.none.fl_str_mv |
ISSN: 1692-1798 EISSN: 2393-3483 |
dc.identifier.uri.none.fl_str_mv |
https://repository.urosario.edu.co/handle/10336/27308 |
url |
https://doi.org/10.15332/iteckne.v15i2.2072 https://repository.urosario.edu.co/handle/10336/27308 |
identifier_str_mv |
ISSN: 1692-1798 EISSN: 2393-3483 |
dc.language.iso.spa.fl_str_mv |
eng |
language |
eng |
dc.relation.citationEndPage.none.fl_str_mv |
121 |
dc.relation.citationIssue.none.fl_str_mv |
No. 2 |
dc.relation.citationStartPage.none.fl_str_mv |
107 |
dc.relation.citationTitle.none.fl_str_mv |
ITECKNE |
dc.relation.citationVolume.none.fl_str_mv |
Vol. 15 |
dc.relation.ispartof.spa.fl_str_mv |
ITECKNE, ISSN: 1692-1798;EISSN: 2393-3483, Vol.15, No.2 (Diciembre 2018); pp. 107-121 |
dc.relation.uri.spa.fl_str_mv |
http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2072 |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
rights_invalid_str_mv |
Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
dc.source.spa.fl_str_mv |
ITECKNE |
institution |
Universidad del Rosario |
dc.source.instname.none.fl_str_mv |
instname:Universidad del Rosario |
dc.source.reponame.none.fl_str_mv |
reponame:Repositorio Institucional EdocUR |
bitstream.url.fl_str_mv |
https://repository.urosario.edu.co/bitstreams/13a8968e-2f6d-41c4-8d36-4ecbac2b1113/download https://repository.urosario.edu.co/bitstreams/26d54a9b-069c-4575-a6a9-50f8cc8e24c9/download https://repository.urosario.edu.co/bitstreams/8111ddc0-c193-486e-9e72-eb4eeccdf68e/download |
bitstream.checksum.fl_str_mv |
e93a1a4a4c76f12c21f43f8515e971fe 28800026a093c9f65f174dc1460b9573 f561733d5a704d0a9021022ec30f56bb |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional EdocUR |
repository.mail.fl_str_mv |
edocur@urosario.edu.co |
_version_ |
1814167640752521216 |