SNS 텍스트 기반 마약 의심 거래 탐지 알고리즘에 대한 연구: 패턴 및 맥락 분석을 중심으로

• 영문명: Algorithm-Based Analysis of Drug-Related Transactions in Social Media Text: Focusing on Pattern and Context Analysis
• 발행기관: 서울사이버대학교 미래사회전략연구소
• 저자명: 안상선
• 간행물 정보: 『미래사회』제16권 제1호, 172~191쪽, 전체 20쪽
• 주제분류: 사회과학 > 사회과학일반
• 파일형태: PDF
• 발행일자: 2025.02.28

국문 초록

본 연구는 SNS 플랫폼에서 급증하는 마약 거래와 지속적으로 진화하는 은어 사용에 대응하기 위한 효과적인 탐지 방안을 제시하는 것을 목적으로 한다. 마약 거래 의심 게시물과 정상게시물을 혼재된 데이터 이용해 자연어 처리와 머신러닝 기법을 활용한 체계적인 분석을 수행했다. 분석 결과, SNS 마약 거래 텍스트에서는 대유, 비유, 쌍관, 묘사의 네 가지 언어적 패턴이 발견되었으며, TF-IDF 분석과 Word2Vec 분석을 통해 이들 텍스트가 조밀한 의미 군집을 형성하고 해시태그를 통한 은밀한 코드화가 이루어지고 있음을 확인했다. 이상탐지 모델실험에서는 로지스틱 회귀모델이 99.89%의 정확도를 달성했으며, LIME과 SHAP 분석을 통해 마약 거래 텍스트가 일반 상거래의 특징을 교묘하게 모방하는 패턴이 발견되었다. 본 연구는 SNS 마약 거래의 언어적 특성을 체계적으로 규명하고 효과적인 탐지 방안을 제시함으로써, 온라인 마약 거래 문제에 대한 실효성 있는 대응 방안을 제공했다는 데 의의가 있으며, 다양한 사이버 범죄 탐지에도 확장 적용이 가능할 것으로 기대된다.

영문 초록

This study proposed effective detection methods for responding to increasing drug trans actions on SNS platforms and for continuously evolving slang usage. Using mixed data from suspected drug transaction and normal posts, a systematic analysis was performed using natural language processing and machine learning techniques. The analysis revealed four linguistic patterns in SNS drug transaction texts: metaphors, similes, double en tendres, and descriptions. Through TF-IDF and Word2Vec analyses, we confirmed that these texts formed dense semantic clusters and utilized covert coding through hashtags. In the anomaly detection model experiments, the logistic regression model achieved 99.89% ac curacy, and LIME and SHAP analyses revealed patterns in which drug transaction texts subtly mimicked the characteristics of general commerce. This study is significant for systematically identifying the linguistic characteristics of SNS drug transactions proposing effective detection methods, providing practical countermeasures for online drug trafficking issues. It is expected to be applicable for detecting various types of cybercrime.

목차

Ⅰ. 서론

Ⅱ. 본론

Ⅲ. 모델 구성 및 분석 결과

Ⅳ. 결론

참고문헌

키워드

인공지능 마약거래 자연어분석 사이버범죄 머신러닝 Artificial Intelligence Drug Trafficking Natural Language Analysis Cybercrime Machine Learning