[논문]최소 분류 오차 기법을 이용한 보이스 피싱 검출 알고리즘

이계환; 장준혁

초록
AI-Helper

본 논문에서는 보이스 피싱 (Voice Pishing) 예방을 위한 알고리즘을 최소 분류 오차 기법 (Minimum Classification Error)을 기반으로 제한하다. 휴대폰으로 전송되어진 신호를 기반으로 3GPP2 Selectable Mode Vocoder (SMV)의 복호화 과정에서 자동적으로 추출되는 중요 특징벡터를 사용하여 Gaussian Mixture Model (GMM)을 구성하고 이를 기반으로 구해지는 로그(Log) 기반의 우도 (Likelihood)를 사용한 변별적 가중치 학습을 사용하여 보이스 피싱 예방을 위한 검출 알고리즘을 제안하다. 실험 결과 제안된 보이스 피싱 알고리즘이 기존의 방법에 비해 우수한 성능을 보인 것을 알 수 있었다.

Abstract ▼ AI-Helper

We propose an effective voice-phishing detection algorithm based on discriminative weight training. The detection of voice phishing is performed based on a Gaussian mixture model (GMM) incorporaiting minimum classification error (MCE) technique. Actually, the MCE technique is based on log-likelihood...

We propose an effective voice-phishing detection algorithm based on discriminative weight training. The detection of voice phishing is performed based on a Gaussian mixture model (GMM) incorporaiting minimum classification error (MCE) technique. Actually, the MCE technique is based on log-likelihood from the decoding parameter of the SMV(Selectable Mode Vocoder) directly extracted from the decoding process in the mobile phone. According to the experimental result, the proposed approach is found to be effective for the voice phishing detection.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 전송된 음성신호를 분석하여 이를 보이스 피싱 검출을 위한 효과적인 특징벡터를 선별하기 위해 SMV 복호화 과정에서 자동적으로 추출되는 특징들을 선별하였다. 선별된 특징벡터는 지난 보이스 피싱검출에 관한 우리의 연구에서 사용되어진 특징 벡터를 선택하였으며, 다음과 같다M
본 논문에서는 핸드폰을 이용한 전화사기를 예방하기 위하여 변별적 가중치 학습에 기반한 보이스 피싱검출 알고리즘을 제안하다. 기존에 우리의 연구에서 보인 효과적인 특징벡터를 사용한 보이스 피싱 검출 알고리즘을 보다 향상시키기 위해 Minimum Classification Error (MCE)를 사용하여 구해진 변별적 가중치를 적용하였다'”可 그 결과 제안된 방법이 기존의 방법보다 우수한 성능을 보임을 알 수 있었다.
본 논문에서는 효과적인 전화사기 예방을 위해 최소분류 오류 기법에 기반한 보이스 피싱 검출 알고리즘을 제안하였다. 기존의 연구에서 알아낸 효과적인 특징 벡터에 일반적인 GMM 방식이 아닌 MCE를 적용하여 변별적인 가중치가 적용된 혼합성분을 이용한 GMM을사용하여 인식을 수행하였다.

제안 방법

기존의 연구에서 알아낸 효과적인 특징 벡터에 일반적인 GMM 방식이 아닌 MCE를 적용하여 변별적인 가중치가 적용된 혼합성분을 이용한 GMM을사용하여 인식을 수행하였다. 실험 결과 본 논문에서 제안한 방법이 기존의 방법에 비해 우수한 성능을 보인 것을 알 수 있었다.
본 논문에서 제안한 변별적 가중치 기반의 보이스 피싱 검출 알고리즘의 성능 평가를 위해서 실제 보이스피싱 음성을 수집하였다. 이 음성은 우리의 지난 논문에서 사용하였던 데이터 파일과 같은 것으로(3), 보이스피싱 모델을 만들기 위해 보이스 피싱 가해자의 목소리 남자 5명의 약 3분, 여자 3명의 약 1분 30초 분량의 목소리를 모았으며, 일반적인 남자와 여자의 전화통화 목소리 또한 같은 양의 데이터를 모았다.
또한 같은 양의 데이터가 테스트를 위해 사용되어 졌다. 수집되어진 일반적인 전화통화 목소리와 보이스 피싱 가해자 목소리 데이터는 모두 8 眼로 샘플링 하였으며, 16 bit로 양자화 하였다.
음성을 수집하였다. 이 음성은 우리의 지난 논문에서 사용하였던 데이터 파일과 같은 것으로(3), 보이스피싱 모델을 만들기 위해 보이스 피싱 가해자의 목소리 남자 5명의 약 3분, 여자 3명의 약 1분 30초 분량의 목소리를 모았으며, 일반적인 남자와 여자의 전화통화 목소리 또한 같은 양의 데이터를 모았다. 또한 같은 양의 데이터가 테스트를 위해 사용되어 졌다.
제안된 방법은 보이스 피싱을 검출하는 결정식에 MCE 기법을 적용하여 각각의 모델별 혼합성분에 분별적 가중치를 적용한 최적의 감정 별 모델을 만드는 것이며, 제안된. 최종 결정식은 다음과 같이 나타낼 수 있다.
하지만 본 논문에서는 추출되어진 특징 벡터의 비교 및 분석을 통해 효과적인 특징벡터를 찾아내고, 일반적인 방법의 패턴인식이 아닌 MCE를 사용하여 인식에 사용되어지는 모델에 변별적 가중치를 적용한 보이스 피싱 검출 알고리즘을 제안한다.

이론/모형

인 특징벡터를 사용하였으며, 16개의 혼합성분을 사용하여 GMM 모델 구성하였다.
최종결정 식을 위한 최적을 가중치 糾를 구하기 위해 Generalized Probilistic Descent (GPD) 기법을 사용하게 된다. 이러한 기법을 기반으로 실제 훈련 데이터의 4%)에 대한 분류 오류 를 정의할 수 있다.

성능/효과

알고리즘을 제안하다. 기존에 우리의 연구에서 보인 효과적인 특징벡터를 사용한 보이스 피싱 검출 알고리즘을 보다 향상시키기 위해 Minimum Classification Error (MCE)를 사용하여 구해진 변별적 가중치를 적용하였다'”可 그 결과 제안된 방법이 기존의 방법보다 우수한 성능을 보임을 알 수 있었다.
기존의 연구에서 알아낸 효과적인 특징 벡터에 일반적인 GMM 방식이 아닌 MCE를 적용하여 변별적인 가중치가 적용된 혼합성분을 이용한 GMM을사용하여 인식을 수행하였다. 실험 결과 본 논문에서 제안한 방법이 기존의 방법에 비해 우수한 성능을 보인 것을 알 수 있었다. 또한 남자와 여자를 따로 테스트 할 경우 혼합해서 할 경우보다 더 많은 성능의 향상을 비추어 볼 때 보이스 피싱 검출 입력 단에 우수한 성능의 성별 인식기를 추가한다면 보다 효과적인 인식이 될 것이라 생각된다.
인식 결과 보이스 피싱 검출을 위해 제안 되어진 방법이 기존의 연구되어진 동일 특징벡터와 단순한 GMM을 사용한 인식 방법에(3) 비해 EER과 ROC 전반에 걸쳐 우수한 성능을 보인 것을 알 수 있었다. 이는 기존의 일반적인 GMM 방법에서는 각각의 혼합성분별로 로그 우도 차이를 MCE를 사용함으로써 보다 효과적인 혼합성분을 찾고 이를 바탕으로 변별적 가중치를 적용하였기 때문에 미세한 차이를 보이는 혼합성분의 로그 우도는 그 비중을 줄이고 많은 차이를 보이는 혼합성분의 로그 우도의 비중을 늘림으로써 더욱 향상된 인식 결과를 보인 것이라 생각된다.

후속연구

실험 결과 본 논문에서 제안한 방법이 기존의 방법에 비해 우수한 성능을 보인 것을 알 수 있었다. 또한 남자와 여자를 따로 테스트 할 경우 혼합해서 할 경우보다 더 많은 성능의 향상을 비추어 볼 때 보이스 피싱 검출 입력 단에 우수한 성능의 성별 인식기를 추가한다면 보다 효과적인 인식이 될 것이라 생각된다. 또한 이에 그치지 않고 보다 효과적인

참고문헌 (11)

Furedly J. J., Davis C., and Gurevich M., "Differentiation of deception as a psychological process:A psychophysiological approach," Psychophysiology, vol. 25, no. 6, pp.683-688, 1988

상세보기
Ekman P., Friesen W. V., and Scherer K., "Body movement and voice pitch in deceptive interaction," Semiotica, vol. 16, no. 1, pp. 23-27, 1976

상세보기
이계환, 장준혁, "3GPP2 SMV 기반의 보이스 피싱 검출 알고리즘," 전자공학회, 제 45권, SP 편 제 4호, pp. 92-99, 2008

원문보기 상세보기
Kang S. -I., Jo Q. -H., Chang J. -H., "Discriminative Weight Training for A Statistical Model-Based Voice Activity Detection," IEEE Signal Processing Letters, vol. 15, pp. 170-173, 2008

상세보기
Greer S. C., and Dejaco A., "Standardization of the selectable mode vocoder," IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 2, pp. 953-956, 2001
Yang G., Shlomot E. B., Thyssen J., Huan-yu S., and Murgia C., "The SMV algorithm selected by TIA and 3GPP2 for CDMA applications," IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 2, pp. 709-712, 2001
3GPP2 Spec., "Software distribution for selectable mode vocoder (SMV), service option 56, specification," 3GPP2-C. Roo30-0, v3.0, 2005
Daniel N., Kjell E., and Kornel L., "Emotion Recognition in spontaneous speech using GMM," INTERSPEECH, pp. 809-812, 2006
Tsang-Long P., Yu-Te C., and Jun-Heng Y., "Emotion recognition from Mandarin speech signals," International Symposium on Chinese Spoken Language Processing, pp.301-304, 2004
Bishop C. M, Neural networks for pattern recognition, Oxford University Press, UK, 1995
Duda R. O., Hart P. E., and Stork D. G., Pattern classification, John Wiley & Sons, INC., 2001

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

최소 분류 오차 기법을 이용한 보이스 피싱 검출 알고리즘
Voice-Pishing Detection Algorithm Based on Minimum Classification Error Technique 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

최소 분류 오차 기법을 이용한 보이스 피싱 검출 알고리즘 Voice-Pishing Detection Algorithm Based on Minimum Classification Error Technique 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

참고문헌 (11)

이 논문을 인용한 문헌

저자의 다른 논문 :

이계환 (5) 장준혁 (40)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

최소 분류 오차 기법을 이용한 보이스 피싱 검출 알고리즘
Voice-Pishing Detection Algorithm Based on Minimum Classification Error Technique 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper