BROWSE
Detail
Conference Paper
강건한 보이스피싱 탐지를 위한 멀티-뷰 하이퍼-관계형 지식 그래프 대조 학습
Cited - time in 
Share 
Share
- Authors
- 김성수
- Issue Date
- 2026-04
- Citation
- 지능정보 및 제어 학술대회 (IICC) 2026, pp.44-45
- Publisher
- 대한전자공학회/대한전기학회
- Language
- Korean
- Type
- Conference Paper
- Abstract
- 최근 보이스피싱은 수사기관 사칭과 심리적 압박을 결합한 지능형 시나리오로 진화하고 있으나, 기존 딥러닝 기반 탐지 모델은 단편적인 텍스트 분류나 단순 그래프 학습에 의존하여 통화 내 복잡한 정황 정보와 다중 문맥을 포착하는 데 한계가 있다. 본 논문은 이를 극복하기 위해 멀티뷰 하이퍼-관계형 지식 그래프 대조 학습 모델 (MVGC)을 제안한다. MVGC는 통화 데이터를 구조적·어휘적·엔티티 관점으로 분해하고, 하이퍼-관계형 지식 그래프를 통해 관계의 정황 속성인 퀄리파이어를 명시적으로 통합한다. 아울러 멀티-뷰 그래프 대조 학습을 통해 데이터 희소성 문제를 완화하고 특징 공간의 표현력을 강화한다. 보이스피싱 실제 데이터셋을 이용한 실험에서 제안 모델은 최신 그래프 신경망 10개 모델 대비 F1-Score 기준 99.5% 이상의 성능 향상을 달성했다.
- KSP Keywords
- F1-score