AI 챗봇 기반의 효과적인 SNS 메신저 피싱 공격 대응체계 연구
A Research on Development Directions for Effective Defense System Against SNS Phi shing Attacks
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
SNS 메신저 피싱 공격은 메신저에서 개인정보 탈취 또는 협박 등을 위한사회공학적 공격으로, 사이버 범죄 주요 유형 중 하나이다. 보안이 중요한 국방영역에서도 메신저 피싱으로 인해 심각한 위협이 될 수 있다. 한편 기존의메신저 피싱 탐지는 키워드를 기반으로 한 탐지 방식이 주를 이루나, 공격자들의단순 우회에도 탐지에 한계가 발생한다. 본 연구에서는 고도화된 SNS 메신저피싱 공격 대응을 위한 고려요소를 분석하고 AI 챗봇 기반 대응체계의연구방향과 실험결과를 제시한다. 첫째, Text-CNN, LSTM 등의 자연어 처리모델을 활용한 탐지 모델을 제안한다. 둘째, 데이터 불균형 문제 해결을 위해, SMOTE, GAN 기반 등의 데이터 증강을 활용한 방안을 제시한다. 셋째, 다양한매체에서의 탐지를 위해 OCR 및 STT 기술 적용으로 이미지 및 음성 데이터를기반으로 한 탐지 기법을 제시한다. 제안된 AI 기반 메신저 피싱 탐지 모델은단순 탐지 방식보다 높은 정확도를 기대할 수 있고 지능형 챗봇은 사용자가상황에 맞는 적절한 대응 방안을 선택할 수 있도록 하여 피해를 최소화에하는 데기여할 수 있을 것이다.
Abstract
SNS phishing attacks exploit digital communication platforms to illegally obtain individuals' financial information and assets. Traditional detection methods often rely on simplistic keyword-based techniques, which are ineffective against attackers using word variations and evasion tactics. We addresses these challenges by employing data augmentation techniques, such as Synthetic Minority Over-sampling Technique (SMOTE) and Generative Adversarial Networks (GAN), to balance the dataset. We also propose advanced natural language processing models, including Text-CNN and Long Short-Term Memory (LSTM) networks, to learn the patterns of phishing texts effectively. To enhance detection across various media, we integrate Optical Character Recognition (OCR) and Speech-to-Text (STT) technologies, creating a comprehensive detection framework utilizing both image and audio data. Additionally, we develop an intelligent chatbot to provide real-time support and step-by-step response strategies to phishing victims. Our AI-based detection model is expected to offer improved accuracy over conventional methods, while the chatbot helps users select appropriate responses, minimizing potential damages.
참고문헌 (15)
- 남소원, "메신저피싱 경험사례 분석을 통한 대응방안 연구", 정보보호학회논문지, 32(5), pp.791~805 (2022)
- 정제용, "메신저피싱 현황 및 문제점 분석과 대응방안에 대한 연구", 한국경호경비학회지, (72), pp.49~70 (2022)
- Hochreiter, S., "Long Short-term Memory" (1997), Neural Computation MIT-Press
- Fernández, Alberto, "marking the 15-year anniversary", Journal of artificial intelligence research, 61, pp.863~905 (2018)
- Goodfellow, Ian, "Generative adversarial nets", Advances in neural information processing systems, 27 (2014)
- 박준희, "대화패턴 분석을 이용한 메신저 피싱 개인화 예방시스템", 한국정보과학회 2023한국소프트웨어종합학술대회 논문집, pp.1842~1844 (2023)
- 최재영, "효과적인 스미싱 탐지를 위한 사전 학습된 언어 모델의 활용", 한국정보과학회 2023 한국소프트웨어종합학술대회 논문집, pp.781~783 (2023)
- Yoo, Jinsol, "ICSA : Intelligent chatbot security assistant using Text-CNN and multi-phase real-time defense against SNS phishing attacks", Expert Systems with Applications, 207, pp.117893~ (2022)
- Cover, Thomas, "Nearest neighbor pattern classification", IEEE transactions on information theory, 13(1), pp.21~27 (1967)
- Goodfellow, Ian, "Generative adversarial nets", Advances in neural information processing systems, 27 (2014)
- Akbari, Hassan, "Vatt : Transformers for multimodal self-supervised learning from raw video, audio and text", Advances in Neural Information Processing Systems, 34, pp.24206~24221 (2021)
- Heidarysafa, Mojtaba, "From videos to urls : A multi-browser guide to extract user’s behavior with optical character recognition", Advances in Computer Vision: Proceedings of the 2019 Computer Vision Conference (CVC), 11, pp.503~514 (2020), Springer Internation al Publishing
- Vaswani, A., "Attention is all you need", Advances in Neural Information Processing Systems, ~ (2017)
- Radford, Alec, "Robust speech recognition via large-scale weak supervision", International conference on machine learning, pp.28492~28518 (2023), PMLR