마약류 구매 방지를 위한 AI 탐지 로직 (AI detection logic to prevent drug purchase)

서지정보

· 발행기관 : 한국물리학회
· 수록지 정보 : 새물리 / 75권 / 3호 / 233 ~ 245페이지
· 저자명 : 정현성, 고한경, 박지영, 이선형, 현대원

초록

본 논문은 온라인 플랫폼에서의 마약 거래를 실시간으로 탐지하고 차단하는 새로운 AI 탐지 로직을 제안한다. 2016년 이후 한국의 마약 관련 범죄가 급증하고 있으며, 대부분이 온라인 플랫폼을 통한 마약 거래라 이를 차단하는 탐지 시스템의 필요성이 대두되었다. 현재 검찰에서 운영 중인 키워드 기반 탐지 시스템은 지속적으로 변화하는 마약 은어와 우회적 표현을 효과적으로 탐지하지 못하는 한계를 보이고있다. 이러한 한계를 극복하기 위해 본 연구는 대규모 언어 모델(large language model, LLM) 기반 페르소나 데이터 증강과 문맥 분석을 결합한 3단계 계층적 탐지 로직을 개발하였다. 다양한 온라인 플랫폼에서 수집한 80개의 실제 마약 거래 대화 테스트에서 86.25%의 탐지 정확도를 달성하여, 기존 시스템의 한계를 효과적으로 개선하였다. 본 로직은 동적 패턴 인식과 실시간 문맥 이해를 통해 새롭게 등장하는 은어와 우회적 표현도 탐지할 수 있으며, 지속적인 업데이트가 용이한 특징을 가진다.

영어초록

This paper proposes a AI detection logic for real-time identification and prevention of drug transactions on online platforms. With drug-related crimes in South Korea increasing significantly since 2016 and most transactions occurring through online platforms, there is a critical need for detection systems to prevent such activities. The current keyword-based detection system operated by the prosecutors' office has limitations in effectively detecting drug-related slangs and indirect expressions that continuously evolve. To overcome these limitations, we develop a three-tier hierarchical detection logic that combines large language model (LLM)-based persona data augmentation with contextual analysis. Testing the system on 80 actual drug transaction dialogues collected from various online platforms achieved 86.25% detection accuracy, effectively improving upon the limitations of existing systems. Our logic enables detection of newly emerging slangs and indirect expressions through dynamic pattern recognition and real-time context understanding, while maintaining ease of continuous updates.

참고자료

· 없음