대화형 사기는 다-turn로 진행되며, 심리적 기술의 시퀀스적 조작을 수반한다. PRESCAM은 실제 보고서를 구조화해 진행을 단계별로 추적하고, 부분 맥락에서의 위험도와 다음 사기꾼의 행동을 예측하는 평가 지표를 제공한다. 현재 모델은 표면적인 단서 인식에 그치고, 위험의 점진적 상승과 조작의 전개를 정확히 이해하는 데 한계가 있다.
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
대화형 사기는 다-turn로 진행되며, 심리적 기술의 시퀀스적 조작을 수반한다. PRESCAM은 실제 보고서를 구조화해 진행을 단계별로 추적하고, 부분 맥락에서의 위험도와 다음 사기꾼의 행동을 예측하는 평가 지표를 제공한다. 현재 모델은 표면적인 단서 인식에 그치고, 위험의 점진적 상승과 조작의 전개를 정확히 이해하는 데 한계가 있다.
대규모 현실 데이터 기반의 벤치마크 PRESCAM 구축
BBB Scam Tracker에서 수집한 177,989개의 원시 보고서를 필터링해 11,573개의 구조화된 다-turn scam conversations를 구성하고 20개 사기 카테고리로 확장했다.
Scam Kill Chain 및 PT Actions 도입
Initial Contact, Engagement, Termination의 3단계와 PT Actions를 통해 대화의 진행을 구조화하고 심리적 기술을 기반으로 한 행동 시퀀스를 정의했다.
실험적 평가를 위한 이중 태스크 벤치마크 제시
Real-time Termination Prediction과 Scammer Action Prediction 두 가지 태스크를 정의하고, supervised encoders와 zero-shot LLM 간의 성능 차이를 분석했다.
PRESCAM은 실세계 대화형 사기 분석에서 위험 추적과 예측을 위한 표준 벤치마크를 제공하며, 시스템이 개입 시점을 조기에 포착하고 다음 사기꾼의 행동을 예측하는 데 기여한다. 다만 현재 모델은 진행 구조를 완전히 재현하지 못한다.
코드 공개 여부: 비공개
아직 관련 토론이 없습니다.
댓글을 작성하려면 로그인이 필요합니다.
