Deep Text Classification for Cybercrime Slang and Harmful Content Detection
연구 내용
소셜미디어 유해 표현과 낚시성 문장, 사이버범죄 은어를 탐지하기 위해 계층 잠재 유사도 학습과 딥러닝 분류 모델을 결합하는 연구
본 연구는 유해 콘텐츠와 사이버범죄 관련 텍스트가 빠르게 변화하는 환경에서 탐지 정확도를 유지하기 위한 텍스트 표현 학습을 다룹니다. 트위터 기반 공격성(aggression) 탐지에서는 다층 신경망을 활용해 온라인 텍스트의 위험 신호를 분류합니다. 또한 낚시성 기사(clickbait) 탐지에서는 Bi-LSTM 기반의 순환 신경망에 pooling 계층을 결합해 문장 내 특징을 안정적으로 추출합니다. 사이버범죄 은어 탐지에서는 오토인코더로 잠재 벡터를 구성하고 계층적인 잠재 유사도 비교를 통해 문맥적 은어와 신조어를 효과적으로 구분하는 프레임워크를 제안합니다. 이를 통해 레이블 의존도를 낮추면서도 분류 성능을 확보하는 구조를 지향합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2020년에는 소셜미디어에서 공격성 표현을 딥러닝 모델로 식별하는 연구를 수행하며 위험 표현 분류의 기반을 마련하였습니다. 2023년에는 낚시성 기사 탐지에 대해 RNN 기반 모델과 데이터 증강 관점의 접근을 적용하여 학습 데이터의 활용도를 높이는 방향으로 확장하였습니다. 같은 해에 사이버범죄 은어 탐지에서는 오토인코더 기반의 계층 잠재 유사도 비교 프레임워크를 도입하여 은어와 신조어의 문맥적 유사성을 학습하고 탐지하도록 설계하였습니다. 이후 소셜·보안 도메인에서의 텍스트 변화에 대응하는 분류 체계를 강화하는 흐름을 유지하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Aggression detection through deep neural model on Twitter
A Pooled RNN-based Deep Learning Model based on Data Augmentation for Clickbait Detection
Hierarchical Latent Representation-based Framework for Automatic Detection of Cybercrime Slang