BitAbuse: 시각적 왜곡 텍스트를 이용한 피싱 공격 방어의 혁신

이한용, 이채련, 이용재, 이재성 연구원팀이 개발한 BitAbuse 데이터셋은 실제 피싱 사례를 포함한 시각적 왜곡 텍스트 데이터셋으로, 기존 합성 데이터셋의 한계를 극복하고 언어 모델의 피싱 공격 방어 성능을 약 96%까지 향상시켰습니다. 실제 데이터의 중요성을 강조하는 이 연구는 AI 기반 보안 시스템 개발에 중요한 기여를 할 것으로 기대됩니다.

BitAbuse: 시각적 왜곡 텍스트를 이용한 피싱 공격 방어의 혁신

최근, 보안 시스템을 우회하기 위해 시각적으로 왜곡된 텍스트를 사용하는 교묘한 피싱 공격이 증가하고 있습니다. 이러한 왜곡된 텍스트는 언어 모델을 속여 정확한 내용 파악을 방해하는 적대적 공격의 일종입니다. 하지만, 실제 피싱 사례를 확보하기 어려워 기존 연구는 실제 사례가 부족한 합성 데이터셋에 의존해왔습니다.

이러한 문제를 해결하고자 이한용, 이채련, 이용재, 이재성 연구원 팀은 실제 피싱 사례를 포함한 새로운 데이터셋 BitAbuse를 개발했습니다. BitAbuse는 총 325,580개의 시각적으로 왜곡된 텍스트로 구성되어 있으며, 실제 피싱 문구와 인공적으로 왜곡된 문구를 모두 포함합니다. 각 문장에는 왜곡되지 않은 원본 문장(ground truth)이 라벨로 제공됩니다.

놀랍게도, BitAbuse 데이터셋으로 학습된 언어 모델은 기존 방식보다 월등히 높은 약 96%의 정확도를 달성했습니다. 연구팀은 실제 사례와 합성 데이터 간의 성능 차이를 분석하여, 실제 피싱 사례 기반의 데이터셋이 신뢰할 수 있는 사전 학습 모델 구축에 필수적임을 증명했습니다.

BitAbuse 데이터셋은 시각적 왜곡이 포함된 실제 피싱 사례에 대한 주석을 포함하고 있어, 적대적 공격 방어 분야의 미래 연구에 큰 기여를 할 것으로 기대됩니다. 이 연구는 단순히 데이터셋을 제공하는 것을 넘어, 실제 세계의 위협에 효과적으로 대응할 수 있는 AI 기반 보안 시스템 개발의 중요한 발걸음을 내딛었습니다. 앞으로 BitAbuse 데이터셋을 활용한 다양한 연구들이 피싱 공격으로부터 우리를 더욱 안전하게 지켜줄 수 있을 것입니다. 💯

Keywords: BitAbuse, 피싱 방어, 시각적 왜곡 텍스트, 적대적 공격, 언어 모델, 데이터셋, AI 보안