피싱, 스팸 및 일반 이메일을 탐지하기 위한 향상된 트랜스포머 기반 모델: 대형 언어 모델 접근법

요약 피싱과 스팸은 사회 공학 공격 유형에서 비롯된 대부분의 침해 사건으로 인해 사이버 보안 위협이 되어왔습니다. 따라서 탐지는 학계와 산업 연구자 모두에게 오랜 도전 과제였습니다. 위협 행위자의 고도화에 대응하기 위해 새로운 혁신적인 접근법이 필요합니다. 이러한 빛나는 가능성 중 하나는 대형 언어 모델(LLM)입니다. LLM은 등장하여 이미 사회를 변화시키고 잘 확립된 문제를 해결할 새로운 혁신적 접근법을 제공할 잠재력을 입증했습니다. 피싱과 스팸은 전 세계 이메일 사용자들에게 금전적 손실과 시간 및 자원의 낭비를 초래했고, 자주 랜섬웨어 위협 행위자의 진입점 역할을 합니다. 탐지 접근법이 존재하긴 하지만, 특히 휴리스틱 기반 접근법에서, LLM은 이 문제를 이해하고 해결하기 위한 새로운 미개척 영역으로 나아갈 잠재력을 제공합니다. LLM은 비즈니스, 소비자, 학계 전반에 걸쳐 빠르게 환경을 변화시키고 사회에 깊은 영향을 미칠 변혁적 잠재력을 보여주고 있습니다. 이를 바탕으로 이메일 탐지에 이 새로운 혁신적 접근법을 적용하는 것은 학문 연구의 합리적인 다음 단계입니다. 본 연구에서는 BERT 계열 모델을 미세 조정하여 피싱과 스팸 이메일을 구체적으로 탐지하는 향상된 피싱 스팸 탐지 모델 IPSDM을 제시합니다. 미세 조정된 IPSDM은 불균형 및 균형 데이터셋 모두에서 이메일을 더 잘 분류할 수 있음을 보입니다. 또한 IPSDM은 분류 정확도, 정밀도, 재현율, F1 점수 측면에서 기준 모델들을 지속적으로 능가하면서 과적합 문제도 완화합니다.