1. 작품기능 및 구현

• 멀웨어 데이터 전처리 및 시각화
  악성코드 바이너리 데이터를 8Bit grayscale 이미지로 변환하여 딥러닝 모델 학습을 위한 픽셀 패턴 추출
• 탐지 모델 아키텍처 구축
  ResNet50, VGG16, Gibert2018, DenseNet121, EfficientNetB0 5종의 CNN 모델을 통한 탐지 성능 및 설명력 비교 환경 조성
• 클래스 불균형 완화 전략 적용
  소수 클래스의 가중치를 보정하는 Weighted Loss, 데이터 분포를 조정하는 Resampling, 난이도 기반 손실 함수인 Focal Loss를 도입하여 학습 편향성 제거
  
• 설명 가능성(XAI) 분석 방법론
  GradCAM을 활용하여 모델의 판단 근거 영역을 시각화, Pairwise SSIM을 도입하여 동일 클래스 내 샘플 쌍 간의 히트맵 유사도를 측정함으로써 모델 내부의 설명 안정성을 정량화

2. 작품특징 및 기대효과

• 정확도 위주의 기존 평가를 넘어 Pairwise SSIM이라는 설명 일관성 검증 척도를 도입해 탐지 모델의 신뢰성 입증 가이드라인 제공
• 모델의 의사결정 근거가 일관됨을 증명함으로써 인공지능 기반 보안 시스템의 실무 도입을 위한 기술적·투명성 근거 마련