AI 챗봇 기반의 효과적인 SNS 메신저 피싱 공격 대응체계 연구 (A Research on Development Directions for Effective Defense System Against SNS Phi shing Attacks)

서지정보

· 발행기관 : 국방보안연구소
· 수록지 정보 : 국방과 보안 / 6권 / 2호 / 212 ~ 232페이지
· 저자명 : 이륜건, 라영록, 김은진, 이상호, 조영호

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.

영어초록

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.

참고자료

· 없음