사이버범죄 데이터에 대한 분석과 판별 모형에 관한 연구

• 영문명: A Study on Analysis and Discriminant Model of Cybercrime Data
• 발행기관: 한국자료분석학회
• 저자명: 김근아(Geun-A Kim) 한상태(Sang-Tae Han)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.27 No.3, 759~767쪽, 전체 9쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2025.06.30

국문 초록

시대의 변화에 따라 불특정 다수를 언제든 만날 수 있는 사이버 공간이 일상에 자리 잡으며 사이버범죄라는 새로운 범죄 유형을 만들어냈다. 본 연구에서는 빅데이터 분석 플랫폼 중 하나인 TEXTOM을 이용하여 사이버범죄의 여러 유형 중 보이스피싱, 스미싱, 로맨스스캠, 몸캠피싱에 대한 총 21,831개의 네이버 지식 IN 본문 글을 기반으로 CONCOR 분석, 감성분석을 진행하였다. 감성분석 결과, 보이스피싱은 ‘괜찮다’, ‘정확하다’ 등 피해자를 안심시키기 위한 단어를 주로 사용했다. 스미싱은 거부감, 분노와 같은 부정적 단어들이 많이 나타났으며 자책하기보단 문자 내용 공유를 통해 또 다른 피해를 막거나 더욱 조심하려는 행동 양식이 파악된다. 앞선 두 범죄와 달리 몸캠피싱, 로맨스스캠은 상대적으로 데이터가 적음에도 감성 어휘사전의 단어를 많이 포함하고 있다. 이는 상황 설명을 위해 본문에 작성한 피해 과정에서 감정적 교류가 많았으며 작성자가 감정적으로 가장 많이 시달린 것으로 판단된다. 상당수의 글이 도움을 청하는 내용임을 통해 다른 범행에 비해 주변에 밝히거나 도움을 받기에 상대적으로 어려워 익명성을 빌린 것으로 보인다. 따라서 피해자들에 대한 더 많은 보호와 관심이 필요하다고 판단된다. 또한, 파이썬 프로그램을 이용하여 CNN, LSTM, DistilBERT 모델로 보이스피싱 판별 모델의 성능을 비교해 보았다. 분석 결과를 비교해 보면 문맥에 따라 다른 의미를 띄는 패턴 학습과 순차적 의존성 학습에 강한 LSTM 모델이 가장 우수한 결과를 보였다.

영문 초록

In this study, CONCOR analysis and emotional analysis were conducted based on a total of 21,831 IN body texts of knowledge about voice phishing, smishing, romance scams, and body cam phishing among new crime types using TEXTOM, a big data analysis platform. As a result of emotional analysis, voice phishing mainly used words to reassure victims. Smishing has many negative words such as rejection and anger, and through content sharing, behavioral patterns to prevent or be careful of other damage are identified. Unlike the previous two crimes, body cam phishing and romance scams contain many words from emotional vocabulary dictionaries even though there is relatively little data. It is judged that there were many emotional exchanges in the damage process written in the text, and the author suffered the most emotionally. A large number of articles are asking for help, and it seems that they borrowed anonymity because it is difficult to reveal or receive help compared to other crimes. In addition, the performance of the voice phishing discrimination model was compared with CNN, LSTM, and DistilBERT models using the Python program. As a result of the analysis, the LSTM model, which is strong in learning patterns and sequential dependence learning that have different meanings depending on the context, showed the best results.

목차

1. 서론

2. CONCOR 분석과 감성분석

3. 판별 모델 개발

4. 결론 및 토의

References

키워드

텍스트마이닝 딥러닝 사이버범죄 보이스피싱 LSTM 모델 Text mining Deep learning Cyber crime Voice phishing LSTM model