A KoBART-Based Model for Detecting Online Grooming Risk in Korean Conversations

디지털 플랫폼의 발달로 아동 및 청소년의 온라인 활동이 급증함에 따라, 이들을 대상으로 한 온라인 그루밍 범죄가 심각한 사회 문제로 대두되고 있다. 기존의 그루밍 탐지 연구는 대부분 영어 데이터셋에 의존하고 개별 메시지의 단편적 특징을 분석하는 데 집중하여, 한국어 환경에서 대화의 전체 맥락을 통해 점진적으로 신뢰를 쌓아 가는 지능적 범죄의 특성을 포착하는 데 명백한 한계를 보인다. 본 연구는 이러한 한계를 극복하고자, 한국어 환경에 최적화된 문맥 기반 온라인 그루밍 탐지 모델을 제안한다. 이를 위해 국제 공개 데이터셋인 PAN12를 DeepL과 거대언어모델을 활용해 번역 및 정제하고, 최종적으로 연구진 검수를 거쳐 한국어의 구어적 특성과 대화 맥락을 반영한 고품질의 탐지용 말뭉치를 구축하였다. 이 데이터셋을 기반으로, 대화 전체 시퀀스를 단일 입력으로 처리하여 문맥 흐름을 효과적으로 이해하는 KoBART 모델을 미세조정(Fine-tuning)하여 이진 분류 모델을 구현하였다. 실험 결과, 제안 모델은 정확도 99.18%, F1-Score 0.9918이라는 높은 성능을 달성하며 안정적으로 수렴했다. 특히 혼동 행렬 분석에서 실제 그루밍 위험 대화를 놓치는 위음성(False Negative) 오류가 0으로 수렴하여, 탐지 시스템으로서 높은 신뢰도와 실효성을 확보했음을 확인했다. 본 연구는 한국어 그루밍 탐지 연구가 부족한 상황에서, 대화의 전체 맥락을 고려한 새로운 접근법의 효과성을 실험적으로 입증했으며, 향후 관련 기술 개발에 중요한 기반을 제공한다는 점에서 의의가 있다.