통화 내용 분석을 통한 보이스피싱 범죄 탐지를 위한 인공지능적 접근법 An Artificial Intelligent Approach To Detect Voice Phishing Crime By Analyzing The Call Content : A Case Study on Voice Phishing Crime in South Korea원문보기
이러한 심각성과 증가하는 보이스피싱 범죄의 확산은 전 세계적으로 금융과 사회 분야에 상당한 영향을 미치며, 한국도 예외가 아니다. 해마다 수많은 사람들이 사기를 당하고 상당한 양의 돈을 잃는다. 새로운 양상의 보이스피싱 확산의 원인은 사용자의 충분한 인식 부족으로 인해 효율적인 완화 솔루션을 제안하는 특정 문제에 대한 연구가 부족한 것이다. 본고에서는 이러한 문제를 해결하기 위해 인공지능 기술을 활용하여 KorCCVid(Korean Call Content Vishing Dataset)를 구축하였다. KorCCVid는 보이스피싱 탐지 시스템을 위한 최초의 표 형식 및 레이블링된 한글 데이터 세트이다. 이 문제는 텍스트의 ...
이러한 심각성과 증가하는 보이스피싱 범죄의 확산은 전 세계적으로 금융과 사회 분야에 상당한 영향을 미치며, 한국도 예외가 아니다. 해마다 수많은 사람들이 사기를 당하고 상당한 양의 돈을 잃는다. 새로운 양상의 보이스피싱 확산의 원인은 사용자의 충분한 인식 부족으로 인해 효율적인 완화 솔루션을 제안하는 특정 문제에 대한 연구가 부족한 것이다. 본고에서는 이러한 문제를 해결하기 위해 인공지능 기술을 활용하여 KorCCVid(Korean Call Content Vishing Dataset)를 구축하였다. KorCCVid는 보이스피싱 탐지 시스템을 위한 최초의 표 형식 및 레이블링된 한글 데이터 세트이다. 이 문제는 텍스트의 이진분류 모델로 접근하여, 모바일 보이스 피싱 탐지 애플리케이션에 대한 개념 증명을 제공하기 위해 구축된 데이터셋에 대해 훈련된 머신 러닝 및 딥러닝 모델에 대한 광범위한 실험을 수행하였다. 랜덤 포레스트, 선형 SVC, LGBM과 같은 몇 가지 최신 얕은 모델과 RNN, BiLSTM과 같은 딥러닝 모델이 기능 벡터로 TF-IDF과 FastText단어 임베딩을 사용하여 구축되었다. 이 연구의 실험 결과는 전반적으로 얕은 모델이 딥러닝 모델보다 더 나은 성능을 보인다는 것으로 나타났다. 무엇보다도 가장 정확하고 빠른 모델은 LGBM 모델로, 테스트 세트의 정확도와 F_1 점수가 모두 99%로 나타났다. 또한 실험에 사용된 데이터 세트의 규모가 작아도 유사한 악성 통화 탐지에 대해 두 가지 접근 방식 중 하나를 압도하는 접근 방식을 발견할 수 있었다. 두 번째 접근 방식을 통해 경쟁적인 성과를 달성하였다.
이러한 심각성과 증가하는 보이스피싱 범죄의 확산은 전 세계적으로 금융과 사회 분야에 상당한 영향을 미치며, 한국도 예외가 아니다. 해마다 수많은 사람들이 사기를 당하고 상당한 양의 돈을 잃는다. 새로운 양상의 보이스피싱 확산의 원인은 사용자의 충분한 인식 부족으로 인해 효율적인 완화 솔루션을 제안하는 특정 문제에 대한 연구가 부족한 것이다. 본고에서는 이러한 문제를 해결하기 위해 인공지능 기술을 활용하여 KorCCVid(Korean Call Content Vishing Dataset)를 구축하였다. KorCCVid는 보이스피싱 탐지 시스템을 위한 최초의 표 형식 및 레이블링된 한글 데이터 세트이다. 이 문제는 텍스트의 이진분류 모델로 접근하여, 모바일 보이스 피싱 탐지 애플리케이션에 대한 개념 증명을 제공하기 위해 구축된 데이터셋에 대해 훈련된 머신 러닝 및 딥러닝 모델에 대한 광범위한 실험을 수행하였다. 랜덤 포레스트, 선형 SVC, LGBM과 같은 몇 가지 최신 얕은 모델과 RNN, BiLSTM과 같은 딥러닝 모델이 기능 벡터로 TF-IDF과 FastText 단어 임베딩을 사용하여 구축되었다. 이 연구의 실험 결과는 전반적으로 얕은 모델이 딥러닝 모델보다 더 나은 성능을 보인다는 것으로 나타났다. 무엇보다도 가장 정확하고 빠른 모델은 LGBM 모델로, 테스트 세트의 정확도와 F_1 점수가 모두 99%로 나타났다. 또한 실험에 사용된 데이터 세트의 규모가 작아도 유사한 악성 통화 탐지에 대해 두 가지 접근 방식 중 하나를 압도하는 접근 방식을 발견할 수 있었다. 두 번째 접근 방식을 통해 경쟁적인 성과를 달성하였다.
This seriousness and increasing prevalence of voice phishing crimes has shown worldwide a significant impact in both the financial and social sectors, and South Korea is not excluded. Every year, numerous customers get deceived and lose a substantial amount of money. The lack of sufficient awareness...
This seriousness and increasing prevalence of voice phishing crimes has shown worldwide a significant impact in both the financial and social sectors, and South Korea is not excluded. Every year, numerous customers get deceived and lose a substantial amount of money. The lack of sufficient awareness from the users regarding new voice phishing attacks schemes and the lack of significant research on this specific issue to propose efficient mitigating solutions can be reasons for this prevalence. In this study, to mitigate this issue, we leveraged artificial intelligence techniques to construct the Korean Call Content Vishing Dataset (KorCCVid), which we claim to be the first tabular and labeled Korean dataset for voice phishing detection system. Approaching this problem as a task of binary classification of text, we conducted an extensive evaluation of machine learning and deep learning models trained on the dataset built to provide a proof of concept for the mobile voice phishing detection application we propose. Several state-of-the-art shallow models such as Random Forest, Linear SVC, LGBM, and deep learning models like RNN and BiLSTM were built using TF-IDF and FastText word embeddings as feature vectors. This study's experiments results revealed that overall, the shallow models performed better than the deep learning models. The most accurate and fastest model was the LGBM model, with both accuracy andF_1 score of 99% on the test set. Furthermore, we observed that our approach outperformed one of the two approaches on similar malicious call detection despite the small size of the dataset used in the experiments. With the second approach, it has achieved competitive performances.
This seriousness and increasing prevalence of voice phishing crimes has shown worldwide a significant impact in both the financial and social sectors, and South Korea is not excluded. Every year, numerous customers get deceived and lose a substantial amount of money. The lack of sufficient awareness from the users regarding new voice phishing attacks schemes and the lack of significant research on this specific issue to propose efficient mitigating solutions can be reasons for this prevalence. In this study, to mitigate this issue, we leveraged artificial intelligence techniques to construct the Korean Call Content Vishing Dataset (KorCCVid), which we claim to be the first tabular and labeled Korean dataset for voice phishing detection system. Approaching this problem as a task of binary classification of text, we conducted an extensive evaluation of machine learning and deep learning models trained on the dataset built to provide a proof of concept for the mobile voice phishing detection application we propose. Several state-of-the-art shallow models such as Random Forest, Linear SVC, LGBM, and deep learning models like RNN and BiLSTM were built using TF-IDF and FastText word embeddings as feature vectors. This study's experiments results revealed that overall, the shallow models performed better than the deep learning models. The most accurate and fastest model was the LGBM model, with both accuracy andF_1 score of 99% on the test set. Furthermore, we observed that our approach outperformed one of the two approaches on similar malicious call detection despite the small size of the dataset used in the experiments. With the second approach, it has achieved competitive performances.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.