최근 악성코드는 매일 수십만 건에서 수백만 건 신규로 출현하고 악성코드 공격 목적도 과거의 단순 호기심, 자기 과시 차원에서 벗어나 뱅킹 악성코드, 랜섬웨어와 같이 금전적인 수익을 올리거나 특정 기관 기업의 내부 기밀자료 절취를 목적으로 한 표적공격으로 바뀌었다. 이러한 악성코드 공격 변화로 인해 사람 분석에 의존해 생성하는 시그니처(Signature) 기반의 백신(Anti-Virus) 등 전통적 보안시스템으로는 악성코드 공격 대응에 한계가 이르렀으며 보다 지능화되고 자동화된 보안시스템에 대한 연구가 필요한 시점이다.
학계와 보안업계에서는 자동화된 악성코드 탐지시스템을 위한 다양한 연구를 진행하고 있지만 많은 오탐지나 미탐지 등 미비점으로 인해 현재까지는 전통적 보안시스템을 대체하기에 불충분하다. 본 논문에서는 기존 악성코드 탐지방식의 한계점을 극복하기 위해 최근 대두되고 있는 딥러닝 학습 모델인 합성곱신경망, Word2Vec 을 혼합 적용함으로써 탐지성능을 높일 수 있는 방안에 대한 연구를 하였고 기존 악성코드 탐지방법보다 성능이 향상되었음을 확인하였다.