정보처리학회 논문지 소프트웨어 및 데이터 공학
Current Result Document :
| 한글제목(Korean Title) |
한국어 언어 모델을 활용한 보이스피싱 탐지 기능 개선 |
| 영문제목(English Title) |
Exploiting Korean Language Model to Improve Korean Voice Phishing Detection |
| 저자(Author) |
Milandu Keith Moussavou Boussougou
박동주
Milandu Keith Moussavou Boussougou
Dong-Joo Park
|
| 원문수록처(Citation) |
VOL 11 NO. 10 PP. 0437 ~ 0446 (2022. 10) |
한글내용
(Korean Abstract) |
보이스피싱 통화 내용을 탐지하고 분류하는데 핵심 엔진으로 최신 머신러닝(ML) 및 딥러닝(DL) 알고리즘과 결합된 자연어 처리(NLP)의 텍스트 분류 작업이 널리 사용된다. 비대면 금융거래의 증가와 더불어 보이스피싱 통화 내용 분류에 대한 많은 연구가 진행되고 양호한 성과를 보이고 있지만, 최신 NLP 기술을 활용한 성능 개선의 필요성이 여전히 존재한다. 본 논문은 KorCCVi라는 레이블이 지정된 한국 보이스 피싱 데이터의 텍스트 분류를 기반으로 여러 다른 최신 알고리즘과 비교하여 사전 훈련된 한국어 모델 KoBERT의 한국 보이스 피싱 탐지 성능을 벤치마킹한다. 실험 결과에 따르면 KoBERT 모델의 테스트 집합에서 분류 정확도가 99.60%로 다른 모든 모델의 성능을 능가한다. |
영문내용
(English Abstract) |
Text classification task from Natural Language Processing (NLP) combined with state-of-the-art (SOTA) Machine Learning (ML) and Deep Learning (DL) algorithms as the core engine is widely used to detect and classify voice phishing call transcripts. While numerous studies on the classification of voice phishing call transcripts are being conducted and demonstrated good performances, with the increase of non-face-to-face financial transactions, there is still the need for improvement using the latest NLP technologies. This paper conducts a benchmarking of Korean voice phishing detection performances of the pre-trained Korean language model KoBERT, against multiple other SOTA algorithms based on the classification of related transcripts from the labeled Korean voice phishing dataset called KorCCVi. The results of the experiments reveal that the classification accuracy on a test set of the KoBERT model outperforms the performances of all other models with an accuracy score of 99.60%. |
| 키워드(Keyword) |
KoBERT
자연어 처리
텍스트 분류
머신러닝
딥러닝
KoBERT
NLP
Text Classification
Machine Learning
Deep Learning
|
| 파일첨부 |
PDF 다운로드
|
