CNN 기반의 악성코드 탐지모델을 활용하기 위해 다양한 이미지 형식을 사용할 수 있다. 대부분의 기존 연구들은 최종적인 악성코드 탐지 및 분류 성능을 주로 강조하고 있으며, CNN에 입력되는 이미지의 형식이 모델의 성능과 자원 사용량에 미칠 수 있는 영향은 거의 고려 하지 않는다. 이에 본 논문에서는 CNN을 기반으로 안드로이드 악성코드를 탐지하는 모델을 구축함에 있어 입력되는 이미지 형식이 탐지성능과 학습에 소요되는 자원의 사용량에 어떠한 영향을 미치는지를 분석하였다. CICAndMal2017 데이터세트를 사용하여 BMP, JPG, PNG 및 TIFF 4가지 형식의 이미지로 변환하고, 자체적으로 구축한 CNN 모델에 학습시킨 후 악성코드 탐지성능과 자원 사용량을 측정하였다. 이진 분류에 대한 연구는 이전 연구들에서 충분히 높은 성능을 입증하였으므로, 카테고리, 패밀리 분류에 대해서만 실험하였으며, 추가적으로 Gray & RGB 스케일 이미지 형식을 사용한 실험 결과를 비교하였다. 그 결과 이미지 형식에 따른 카테고리, 패밀리의 분류 성능과 GPU 및 RAM 사용량은 큰 차이를 보이지 않았다. 그러나 생성된 이미지의 파일 크기는 이미지 형식에 따라 최대 6배까지 차이가 났고, 실험 별 소요 시간은 JPG 형식이 타 형식 대비 최대 1.8배 단축하였다. Gray & RGB 스케일 비교는 모든 실험에서 Gray 스케일이 RGB 스케일의 자원사용량 보다 적었으며, Memory 사용량에서 16%P 까지 차이가 발생하였다. 이러한 결과를 바탕으로 CNN 기반 악성코드 탐지에 사용되는 이미지는 JPG Gray 이미지를 사용하는 것이 가장 바람직할 것이다.