KR102630820B1 - 메신저 피싱 또는 보이스 피싱을 감지하는 전자 장치 및 그 동작 방법 - Google Patents

Abstract

본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공지능(AI) 시스템 및 그 응용에 관련된 것이다.
전자 장치에서 송수신된 적어도 하나의 메시지를 획득하고, 적어도 하나의 메시지 상의 대화를 분석함으로써, 적어도 하나의 메시지의 대화 흐름에 관한 정보를 획득하고, 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 적어도 하나의 메시지로부터 메신저 피싱을 감지하고, 감지된 메신저 피싱에 관한 정보를 포함하는 가이드 메시지를 사용자에게 제공하는, 전자 장치에서 메신저 피싱을 감지하는 방법이 제공된다.

Description

메신저 피싱 또는 보이스 피싱을 감지하는 전자 장치 및 그 동작 방법 {Electronic device and operating method for detecting a messenger phishing or a voice phishing}

본 개시는, 메신저 피싱 또는 보이스 피싱을 감지하는 전자 장치 및 그 동작 방법에 관한 것이다. 또한, 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하는 인공지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관련된 것이다.

인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.

기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.

피싱(Phishing)이란 '개인정보(Private data)를 낚는다(fishing)'라는 의미의 합성어로, 금융 기관 등을 사칭하여 개인 정보를 불법적으로 알아내는 사기 수법을 뜻한다. 피싱은, 그 수법에 따라, 메신저 피싱, 보이스 피싱 등이 존재한다.

메신저 피싱이란, 메신저를 이용한 피싱으로, 타인의 메신저 아이디를 도용하여 로그인한 뒤 등록된 지인에게 메시지를 보내 금전을 요구하는 행위를 의미한다. 또한, 보이스 피싱이란, 전화를 통해 개인 정보를 불법으로 알아낸 뒤 이를 범죄에 이용하는 금융 사기 수법을 의미한다.

보이스 피싱 및 메신저 피싱은 용의자가 기계나 프로그램이 아닌 사람이라는 점에서, 보다 자연스럽고 사기 행위의 감지가 어렵다는 특징이 있다. 프로그램에 의해 획일적이고 순차적인 피싱 행위가 이루어지는 것이 아니기 때문에 기계적인 대응이 어려우며, 그 예방에 있어서도 전적으로 사용자의 주의가 요구되는 수준에 머물러 있다는 점이 문제점으로 지적된다.

따라서, 메신저 피싱 및 보이스 피싱을 정확하게 탐지하여 이에 적절히 대응할 수 있는 기술적 수단이 요구되고 있다.

본 개시가 해결하고자 하는 과제는 전술한 문제를 해결하기 위한 것으로서, 메신저 피싱 또는 보이스 피싱을 감지하는 전자 장치 및 그 동작 방법을 제공하기 위한 것이다.

또한, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 포함하는 컴퓨터 프로그램 제품을 제공하는 데 있다. 해결하려는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제1 측면은, 상기 전자 장치에서 송수신된 적어도 하나의 메시지를 획득하는 단계; 상기 적어도 하나의 메시지 상의 대화를 분석함으로써, 상기 적어도 하나의 메시지의 대화 흐름에 관한 정보를 획득하는 단계; 상기 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 상기 적어도 하나의 메시지로부터 메신저 피싱을 감지하는 단계; 및 상기 감지된 메신저 피싱에 관한 정보를 포함하는 가이드 메시지를 사용자에게 제공하는 단계를 포함하는, 전자 장치에서 메신저 피싱을 감지하는 방법을 제공한다.

또한, 본 개시의 제2 측면은, 전자 장치에서 수행 중인 통화가 녹음된 음성 데이터를 획득하는 단계; 상기 음성 데이터에 대하여 음성 인식을 수행함으로써, 적어도 하나의 텍스트를 획득하는 단계; 상기 적어도 하나의 텍스트 상의 대화를 분석함으로써, 상기 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 획득하는 단계; 상기 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 이용하여, 상기 수행 중인 통화로부터 보이스 피싱을 감지하는 단계; 및 상기 감지된 보이스 피싱에 관한 정보를 포함하는 가이드 메시지를 사용자에게 제공하는 단계를 포함하는, 전자 장치에서 보이스 피싱을 감지하는 방법을 제공한다.

또한, 본 개시의 제3 측면은, 전자 장치에서 적어도 하나의 메시지를 송수신하는 통신부; 상기 적어도 하나의 메시지 상의 대화를 분석함으로써, 상기 적어도 하나의 메시지의 대화 흐름에 관한 정보를 획득하고, 상기 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 상기 적어도 하나의 메시지로부터 메신저 피싱을 감지하는, 적어도 하나의 프로세서; 및 상기 감지된 메신저 피싱에 관한 정보를 포함하는 가이드 메시지를 상기 사용자에게 제공하는 출력부를 포함하는, 메신저 피싱을 감지하는 전자 장치를 제공한다.

또한, 본 개시의 제4 측면은, 통화를 수행하기 위한 데이터를 송수신하는 통신부; 상기 통화가 녹음된 음성 데이터를 획득하고, 상기 음성 데이터에 대하여 음성 인식을 수행함으로써, 적어도 하나의 텍스트를 획득하고, 상기 적어도 하나의 텍스트 상의 대화를 분석함으로써, 상기 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 획득하고, 상기 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 이용하여, 상기 수행 중인 통화로부터 보이스 피싱을 감지하는 적어도 하나의 프로세서; 및 상기 감지된 보이스 피싱에 관한 정보를 포함하는 가이드 메시지를 상기 사용자에게 제공하는 출력부를 포함하는, 보이스 피싱을 감지하는 전자 장치를 제공한다.

또한, 본 개시의 제5 측면은, 제1 측면 또는 제2 측면의 방법을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 제품을 제공할 수 있다.

일 실시 예에 의하면, 메신저 피싱 또는 보이스 피싱을 대화 흐름에 기초하여 감지함으로써, 메신저 피싱 또는 보이스 피싱에 대한 탐지 성능을 높일 수 있다.

또한, 일 실시 예에 의하면, 메신저 피싱 또는 보이스 피싱의 유형에 따라 사용자가 대처할 수 있는 방법에 관한 가이드 메시지를 제공할 수 있다.

도 1은 일 실시 예에 의한 피싱 감지 시스템의 예시적인 네트워크 구성도이다.
도 2 및 도 3은 일 실시 예에 의한 전자 장치의 내부 구성을 설명하기 위한 블록도이다.
도 4 및 도 5는 일 실시 예에 의한 메신저 피싱을 감지하는 방법을 나타낸 순서도이다.
도 6은 일 실시 예에 의한 메신저 피싱의 일 예를 나타낸 도면이다.
도 7 및 도 8은 일 실시 예에 의한 보이스 피싱을 감지하는 방법을 나타낸 순서도이다.
도 9는 일 실시 예에 의한 보이스 피싱의 일 예를 나타낸 도면이다.
도 10은 일부 실시예에 따른 프로세서의 블록도이다.
도 11은 일부 실시예에 따른 데이터 학습부의 블록도이다.
도 12는 일부 실시예에 따른 데이터 인식부의 블록도이다.
도 13은 일부 실시예에 따른 전자 장치 및 서버가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 일 실시 예에 의한 피싱 감지 시스템의 예시적인 네트워크 구성도이다.

도 1을 참조하면, 피싱 감지 시스템의 네트워크 환경은 전자 장치(1000), 서버(2000) 및 네트워크(3000)를 포함하는 것으로 예시적으로 도시된다.

전자 장치(1000)는, 메신저 또는 통화 기능을 수행할 수 있는 장치일 수 있다. 일 실시 예에 의한, 전자 장치(1000)는 메신저 또는 통화 상의 대화 흐름에 관한 정보를 이용하여 메신저 피싱 또는 보이스 피싱을 감지할 수 있다. 또한, 전자 장치(1000)는 현재 수신된 메시지 또는 현재 수행 중인 통화로부터 감지된 메신저 피싱 또는 보이스 피싱에 관한 정보를 포함한 가이드 메시지를 사용자에게 제공할 수 있다. 따라서, 가이드 메시지를 제공 받은 사용자는 메신저 피싱 또는 보이스 피싱에 효과적으로 대처할 수 있다.

일 실시 예에 의한, 전자 장치(1000)는, 스마트 TV, 셋탑 박스, 휴대폰, 태블릿 PC, 디지털 카메라, 노트북 컴퓨터(laptop computer), 데스크탑, 전자책 단말기, 디지털 방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 착용형 기기(wearable device) 등과 같은 다양한 장치로 구현될 수 있다. 일 실시 예에 의한 전자 장치(1000)는 상술한 예에 한하지 않고, 메신저 또는 통화 기능을 수행할 수 있는 다양한 종류의 전자 장치로 구현될 수 있다.

일 실시 예에 의한 전자 장치(1000)에서 메신저 피싱을 감지하는 방법에 의하면, 전자 장치(1000)는 상기 전자 장치(1000)에서 송수신된 적어도 하나의 메시지를 획득할 수 있다. 전자 장치(1000)는 적어도 하나의 메시지 상의 대화를 분석함으로써, 적어도 하나의 메시지의 대화 흐름에 관한 정보를 획득할 수 있다. 전자 장치(1000)는 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 적어도 하나의 메시지로부터 메신저 피싱을 감지할 수 있다.

메신저 피싱은, 메신저 상에서는 사용자가 메신저 아이디로 대화 상대방을 식별한다는 점을 이용하여, 메신저 아이디의 원래 소유자를 사칭하는 행위를 포함할 수 있다. 따라서, 일 실시 예에 의한 전자 장치(1000)는 상술한 메신저 피싱의 특징을 고려하여, 메시지 상의 대화 흐름을 분석함으로써, 메시지를 보낸 자가 메신저 아이디를 탈취하여 메신저 피싱을 하고 있는지 여부를 판단할 수 있다.

일 실시 예에 의한, 적어도 하나의 메시지의 대화 흐름에 관한 정보는, 메시지의 대화 흐름의 특징에 관한 다양한 정보를 포함할 수 있다.

예를 들면, 적어도 하나의 메시지의 대화 흐름에 관한 정보는, 각각의 대화에 대한 대화 주제와, 상기 대화 주제의 흐름에 관한 정보를 포함할 수 있다. 각각의 대화에 대한 대화 주제는, 각 메시지의 대화 목적, 대화 내용 등에 따라 결정될 수 있고, 예를 들면, 첫인사, 금전 요청, 현재 상황 설명, 감사, 거절, 확인, 수락 등으로 결정될 수 있다. 상술한 예에 한하지 않고, 대화 주제는 다양한 내용으로 결정될 수 있다. 각 대화에 대한 대화 주제는, 미리 학습된, 대화 주제를 판단하기 위한 데이터에 기초하여, 결정될 수 있다. 또한, 상술한 대화 주제의 흐름에 관한 정보는, 각 대화 주제들의 순서에 관한 정보를 포함할 수 있다.

메신저 피싱은, 적어도 하나의 메시지의 대화 흐름에 관한 정보에 기초하여, 감지될 수 있다. 예를 들면, 적어도 하나의 메시지의 대화 흐름에 관한 정보에 포함된 대화 주제 및 상기 대화 주제의 흐름에 관한 정보와, 메신저 피싱에 해당되는 대화에 대한 대화 주제 및 상기 대화 주제의 흐름에 관한 정보 간의 유사도에 따라, 메신저 피싱이 감지될 수 있다. 상기 유사도에 대한 기준 값은, 메신저 피싱에 해당되는 메시지 상의 대화에 기초하여 학습된 결과, 미리 결정된 값일 수 있다.

일 실시 예에 의한 전자 장치(1000)는, 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 적어도 하나의 메시지로부터 메신저 피싱을 감지하기 위하여 학습된 하나 이상의 데이터 인식 모델을 이용할 수 있다. 예를 들면, 전자 장치(1000)는, DNN(Deep Neural Network), RNN(Recurrent Neural Network) 등의 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용할 수 있다. 상술한 데이터 인식 모델은, 메신저 피싱에 해당되는 메시지 상의 대화에 기초하여 학습될 수 있다.

일 실시 예에 따라, 메신저 피싱이 감지되면, 전자 장치(1000)는 감지된 메신저 피싱의 유형을 결정할 수 있다. 일 예로, 전자 장치(1000)는 메신저 피싱이 감지된 적어도 하나의 메시지로부터 추출된 키워드에 기초하여, 메신저 피싱의 유형을 결정할 수 있다.

예를 들면, 메신저 피싱이 감지된 적어도 하나의 메시지에, 금융 기관, 공공 기관, 지인 등을 나타내는 키워드가 포함되어 있는 경우, 전자 장치(1000)는 상기 키워드에 기초하여, 금융 기관 사칭, 공공 기관 사칭, 지인 사칭 등 미리 정해진 피싱 유형 중에서, 현재 수신된 메시지에 대한 메신저 피싱의 유형을 결정할 수 있다.

또 다른 예로, 메신저 피싱의 유형은, 상술한 적어도 하나의 메시지의 대화 흐름에 관한 정보에 기초하여 결정될 수 있다. 예를 들면, 미리 결정된 메신저 피싱의 유형들 중에서, 상술한 적어도 하나의 메시지의 대화 흐름에 관한 정보와 대응되는지 여부에 따라, 메신저 피싱의 유형이 결정될 수 있다.

상술한 방법에 한하지 않고, 메신저 피싱의 유형은 다양한 방법에 따라 결정될 수 있다.

일 실시 예에 의하면, 메신저 피싱의 유형에 따라 사용자가 대처할 수 있는 방법이 달라질 수 있음을 고려하여, 전자 장치(1000)는 메신저 피싱의 유형에 따라 가이드 메시지를 생성하여 사용자에게 제공할 수 있다. 예를 들면, 가이드 메시지는 피싱 유형에 따라 현재 수신된 메시지가 메신저 피싱임을 통지하는 내용, 사용자가 피싱인지 여부를 확인할 수 있는 방법에 관한 내용 등을 포함할 수 있다.

일 예로, 가이드 메시지는, 현재 수신된 메시지는 지인 사칭에 해당하는 피싱이며, 사칭 중인 지인을 인상 착의, 구체적인 신상 정보 등을 확인할 것을 요청하는 내용을 포함할 수 있다.

가이드 메시지는 상대방 몰래 사용자가 인지할 수 있도록 제공될 수 있다. 예를 들면, 가이드 메시지는 사용자의 전자 장치(1000)에만 표시되도록 구현될 수 있다.

또한, 일 실시 예에 의한 전자 장치(1000)에서 보이스 피싱을 감지하는 방법에 의하면, 상기 전자 장치(1000)에서 통화가 시작되면, 통화 중 녹음을 통해 음성 데이터를 획득할 수 있다. 그리고, 전자 장치(1000)는 음성 데이터에 대해 음성 인식을 수행함으로써, 현재 수행 중인 통화 상의 대화와 대응되는 적어도 하나의 텍스트를 획득할 수 있다.

일 실시 예에 의한 보이스 피싱을 감지하는 방법에 의하면, 상술한 메신저 피싱을 감지하는 방법과 동일하게, 전자 장치(1000)는 통화 상의 대화를 분석함으로써, 대화 흐름에 관한 정보를 획득할 수 있다. 또한, 전자 장치(1000)는 대화 흐름에 관한 정보를 이용하여 보이스 피싱을 감지할 수 있다. 다만, 메신저 피싱을 감지하는 방법과는 달리, 전자 장치(1000)는 통화 상의 대화를 포함하는 음성 데이터에 대해 음성 인식을 수행함으로써, 통화 상의 대화와 대응되는 텍스트를 획득하는 동작을 더 수행할 수 있다.

전자 장치(1000)는 통화 상의 대화와 대응되는 적어도 하나의 텍스트 상의 대화를 분석함으로써, 대화 흐름에 관한 정보를 획득할 수 있다. 전자 장치(1000)는 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 이용하여, 전자 장치(1000)에서 현재 수행 중인 통화로부터 보이스 피싱을 감지할 수 있다.

보이스 피싱은, 통화 상대방을 속여 개인 정보, 금융 정보 또는 금전을 탈취하기 위한 목적을 가지므로, 대화의 흐름이 일반적인 통화 상의 대화 흐름과는 다를 수 있다. 그러나, 보이스 피싱 행위자는, 협박이나 거짓 정보를 이용하여, 통화 상대방이 감정적으로 불안한 상태에 놓이도록 함으로써, 통화 상대방의 이성적인 판단이 어렵도록 할 수 있다. 따라서, 보이스 피싱을 당하는 자는, 대화의 흐름이 일반적인 경우와 다름에도 불구하고, 협박이나 거짓 정보를 이용한 사기 행위로 인해 현재 수행 중인 통화가 보이스 피싱임을 잘 인지하지 못할 수 있다. 또한, 보이스 피싱은 상대방을 더 잘 속이기 위해 갈수록 그 수법이 다양화되고 있어, 일반인은 아무리 주의를 기울여도 이를 잘 인지하기가 어렵다.

따라서, 일 실시 예에 의하면, 전자 장치(1000)는 미리 학습된 여러가지 수법에 의한 보이스 피싱의 대화 흐름에 관한 정보를 이용하여, 보이스 피싱을 효과적으로 감지할 수 있다.

일 실시 예에 의한, 적어도 하나의 텍스트의 대화 흐름에 관한 정보는, 대화 흐름의 특징에 관한 다양한 정보를 포함할 수 있다.

일 실시 예에 의한 보이스 피싱을 감지하는 방법에서의 적어도 하나의 텍스트의 대화 흐름에 관한 정보는, 예를 들면, 상술한 메신저 피싱을 감지하는 방법에서의 적어도 하나의 메시지의 대화 흐름에 관한 정보와 동일하게, 각각의 대화에 대한 대화 주제와, 상기 대화 주제의 흐름에 관한 정보를 포함할 수 있다. 각각의 대화에 대한 대화 주제는, 각 메시지의 대화 목적, 대화 내용 등에 따라 결정될 수 있고, 예를 들면, 첫인사, 금전 요청, 현재 상황 설명, 감사, 거절, 확인, 수락 등으로 결정될 수 있다. 상술한 예에 한하지 않고, 대화 주제는 다양한 내용으로 결정될 수 있다. 각 대화에 대한 대화 주제는, 미리 학습된, 대화 주제를 판단하기 위한 데이터에 기초하여, 결정될 수 있다. 대화 주제의 흐름에 관한 정보는, 각 대화 주제들의 순서에 관한 정보를 포함할 수 있다.

보이스 피싱은, 적어도 하나의 텍스트의 대화 흐름에 관한 정보에 기초하여, 감지될 수 있다. 예를 들면, 적어도 하나의 텍스트의 대화 흐름에 관한 정보에 포함된 대화 주제 및 상기 대화 주제의 흐름에 관한 정보와, 보이스 피싱에 해당되는 대화에 대한 대화 주제 및 상기 대화 주제의 흐름에 관한 정보 간의 유사도에 따라, 보이스 피싱이 감지될 수 있다. 상기 유사도에 대한 기준 값은, 보이스 피싱에 해당되는 통화 상의 대화에 기초하여 학습된 결과, 미리 결정된 값일 수 있다.

일 실시 예에 의한 전자 장치(1000)는, 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 이용하여, 현재 수행 중인 통화로부터 보이스 피싱을 감지하기 위하여 학습된 하나 이상의 데이터 인식 모델을 이용할 수 있다. 예를 들면, 전자 장치(1000)는, DNN(Deep Neural Network), RNN(Recurrent Neural Network) 등의 뉴럴 네트워크(Neural Network)를 기반으로 하는 데이터 인식 모델을 이용할 수 있다. 상술한 데이터 인식 모델은, 보이스 피싱에 해당되는 통화 상의 대화에 기초하여 학습될 수 있다.

또한, 일 실시 예에 따라, 보이스 피싱이 감지되면, 전자 장치(1000)는 감지된 보이스 피싱의 유형을 결정할 수 있다. 전자 장치(1000)는 보이스 피싱이 감지된 적어도 하나의 텍스트로부터 키워드를 추출하고, 추출된 키워드에 기초하여, 보이스 피싱의 유형을 결정할 수 있다.

예를 들면, 보이스 피싱이 감지된 적어도 하나의 텍스트에, 금융 기관, 공공 기관, 지인 등을 나타내는 키워드가 포함되어 있는 경우, 상기 키워드에 기초하여, 금융 기관 사칭, 공공 기관 사칭, 지인 사칭 등 미리 정해진 피싱 유형 중에서, 현재 수행 중인 통화에 대한 보이스 피싱의 유형을 결정할 수 있다.

또 다른 예로, 보이스 피싱의 유형은, 상술한 적어도 하나의 텍스트의 대화 흐름에 관한 정보에 기초하여 결정될 수 있다. 예를 들면, 미리 결정된 보이스 피싱의 유형들 중에서, 상술한 적어도 하나의 텍스트의 대화 흐름에 관한 정보와 대응되는지 여부에 따라, 보이스 피싱의 유형이 결정될 수 있다.

상술한 방법에 한하지 않고, 보이스 피싱의 유형은 다양한 방법에 따라 결정될 수 있다.

일 실시 예에 의하면, 보이스 피싱의 유형에 따라 사용자가 대처할 수 있는 방법이 달라질 수 있음을 고려하여, 전자 장치(1000)는 보이스 피싱의 유형에 따라 가이드 메시지를 생성하여 사용자에게 제공할 수 있다. 예를 들면, 가이드 메시지는 보이스 피싱의 유형에 따라, 현재 수행 중인 통화가 보이스 피싱임을 통지하는 내용, 사용자가 보이스 피싱인지 여부를 확인할 수 있는 방법에 관한 내용 등을 포함할 수 있다. 일 예로, 가이드 메시지는, 현재 수행 중인 통화는 금융 기관을 사칭하는 보이스 피싱이며, 사칭 중인 금융 기관의 콜센터에 전화하여 직접 확인할 것을 요청하는 내용을 포함할 수 있다.

가이드 메시지는 상대방 몰래 사용자가 인지할 수 있도록 제공될 수 있다. 예를 들면, 가이드 메시지는 사용자의 전자 장치(1000)에서만 음성 메시지로 출력되도록 구현될 수 있다.

전자 장치(1000)는 무선 또는 유선 통신을 통해 네트워크(3000)를 통해 서버(2000) 및 외부 장치(미도시)와 통신할 수 있다.

예를 들면, 전자 장치(1000)는 네트워크(3000)를 통해 일 실시 예에 의한 메시지를 송수신하거나, 통화를 수행할 수 있다. 또한, 전자 장치(1000)는, 메신저 피싱 또는 보이스 피싱을 감지하는데 필요한 데이터를 네트워크(3000)를 통해 서버(2000)로부터 수신할 수 있다.

네트워크(3000)의 통신 방식은 제한되지 않으며, 네트워크(3000)에 포함될 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용한 통신 방식뿐만 아니라, 전자 장치(1000)와의 근거리 무선 통신이 포함될 수 있다. 예를 들어, 네트워크(3000)는 PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 네트워크(3000)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서버(2000)는 네트워크(3000)를 통해 전자 장치(1000)와 통신하며, 적어도 하나의 컴퓨터 장치로 구현될 수 있다. 서버(2000)는 클라우드 형태로 분산될 수 있으며, 명령, 코드, 파일, 컨텐츠 등을 제공할 수 있다.

일 실시 예에 의한 서버(2000)는 전자 장치(1000)가 메신저 피싱 또는 보이스 피싱을 감지하는데 필요한 데이터를 전자 장치(1000)에 제공할 수 있다. 예를 들면, 서버(2000)는 메신저 피싱 또는 보이스 피싱에 해당되는 대화 흐름에 관한 미리 학습된 정보를 전자 장치(1000)에 제공할 수 있다.

일 실시 예에 의한 서버(2000)는 전자 장치(1000)가 실행할 수 있는 동작들을 대신 수행할 수 있다. 예컨대, 서버(2000)는, 전자 장치(1000) 대신 적어도 하나의 메시지로부터 메신저 피싱을 감지할 수 있다. 또한, 서버(2000)는, 감지된 메신저 피싱에 관한 정보를 포함한 가이드 메시지를 생성하여 전자 장치(1000)로 송신할 수 있다.

또 다른 예로, 서버(2000)는, 현재 수행 중인 통화로부터 보이스 피싱을 감지할 수 있다. 서버(2000)는, 감지된 보이스 피싱에 관한 정보를 포함한 가이드 메시지를 생성하여 전자 장치(1000)로 송신할 수 있다.

상술된 예에 한하지 않고 서버(2000)는 전자 장치(1000)가 일 실시 예에 의한 메신저 피싱 또는 보이스 피싱 감지를 위한 다양한 동작을 수행하고, 그 결과를 전자 장치(1000)로 송신할 수 있다.

도 2 및 도 3은 일 실시 예에 의한 전자 장치(1000)의 내부 구성을 설명하기 위한 블록도이다.

도 2를 참조하면, 전자 장치(1000)는, 프로세서(1300), 통신부(1520) 및 출력부(1020)을 포함할 수 있다. 그러나, 도 2에 도시된 구성 요소 모두가 전자 장치(1000)의 필수 구성 요소인 것은 아니다. 도 2에 도시된 구성 요소보다 많은 구성 요소에 의해 전자 장치(1000)가 구현될 수도 있고, 도 2에 도시된 구성 요소보다 적은 구성 요소에 의해 전자 장치(1000)가 구현될 수도 있다.

예를 들면, 전자 장치(1000)는 도 3에 도시된 바와 같이, 일부 실시예에 따른 전자 장치(1000)는, 제어부(1300), 통신부(1520) 및 출력부(1020) 이외에 사용자 입력부(1100), 센싱부(1400), A/V 입력부(1600) 및 메모리(1700)를 더 포함할 수도 있다.

사용자 입력부(1100)는, 사용자가 전자 장치(1000)를 제어하기 위한 데이터를 입력하는 수단을 의미한다. 예를 들어, 사용자 입력부(1100)에는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.

일 실시 예에 의하면, 사용자 입력부(1100)는, 메시지 또는 통화를 수신하기 위한 사용자 입력을 수신할 수 있다.

출력부(1200)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(1200)는 디스플레이부(1210), 음향 출력부(1220), 및 진동 모터(1230)를 포함할 수 있다.

디스플레이부(1210)는 전자 장치(1000)에서 처리되는 정보를 표시 출력한다. 일 실시 예에 의하면, 디스플레이부(1210)는 감지된 메신저 피싱 또는 보이스 피싱에 관한 정보를 포함한 가이드 메시지를 표시할 수 있다.

한편, 디스플레이부(1210)와 터치패드가 레이어 구조를 이루어 터치 스크린으로 구성되는 경우, 디스플레이부(1210)는 출력 장치 이외에 입력 장치로도 사용될 수 있다. 디스플레이부(1210)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전기영동 디스플레이(electrophoretic display) 중에서 적어도 하나를 포함할 수 있다. 그리고 전자 장치(1000)의 구현 형태에 따라 전자 장치(1000)는 디스플레이부(1210)를 2개 이상 포함할 수도 있다.

음향 출력부(1220)는 통신부(1500)로부터 수신되거나 메모리(1700)에 저장된 오디오 데이터를 출력한다. 일 실시 예에 의하면, 음향 출력부(1220)는 감지된 메신저 피싱 또는 보이스 피싱에 관한 정보를 포함하는 가이드 메시지를 출력할 수 있다. 예를 들어, 현재 수행 중인 통화나, 현재 수신된 메시지로부터 보이스 피싱 또는 메신저 피싱이 감지된 경우, 음향 출력부(1220)는 사용자가 보이스 피싱 ㄸ는 메신저 피싱임을 인지하고 이에 대처할 수 있도록 안내하는 가이드 메시지를 출력할 수 있다.

진동 모터(1230)는 진동 신호를 출력할 수 있다. 또한, 진동 모터(1230)는 터치스크린에 터치가 입력되는 경우 진동 신호를 출력할 수도 있다. 일 실시 예에 의하면, 진동 모터(1230)는 메신저 피싱 또는 보이스 피싱이 감지된 경우, 진동 신호를 출력할 수 있다.

프로세서(1300)는, 통상적으로 전자 장치(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(1100), 출력부(1200), 센싱부(1400), 통신부(1500), A/V 입력부(1600) 등을 전반적으로 제어할 수 있다. 전자 장치(1000)는 적어도 하나의 프로세서(1300)를 포함할 수 있다.

프로세서(1300)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(1700)로부터 프로세서(1300)에 제공되거나, 통신부(1500)를 통해 수신되어 프로세서(1300)로 제공될 수 있다. 예를 들면 프로세서(1300)는 메모리와 같은 기록 장치에 저장된 프로그램 코드에 따라 명령을 실행하도록 구성될 수 있다.

일 실시 예에 의한 프로세서(1300)는 전자 장치(1000)에서 송수신된 적어도 하나의 메시지 상의 대화를 분석함으로써, 적어도 하나의 메시지의 대화 흐름에 관한 정보를 획득할 수 있다. 프로세서(1300)는 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 적어도 하나의 메시지로부터 메신저 피싱을 감지할 수 있다. 또한, 프로세서(1300)는 메신저 피싱을 감지하면, 메신저 피싱의 유형을 결정할 수 있다. 프로세서(1300)는 결정된 메신저 피싱의 유형에 따라 가이드 메시지를 생성하여 사용자에게 제공할 수 있다.

일 실시 예에 의한 프로세서(1300)는 2 이상의 사용자 간 통화가 시작되면, 통화 중 녹음을 통해 음성 데이터를 획득하고, 이에 대해 음성 인식을 수행할 수 있다. 프로세서(1300)는 음성 인식 결과 획득된 적어도 하나의 텍스트 상의 대화를 분석함으로써, 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 획득할 수 있다. 프로세서(1300)는 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 이용하여, 현재 수행 중인 통화로부터 보이스 피싱을 감지할 수 있다. 또한, 현재 수행 중인 통화로부터 보이스 피싱을 감지하는 경우, 프로세서(1300)는 보이스 피싱의 유형을 결정할 수 있다. 프로세서(1300)는 보이스 피싱의 유형에 따라 가이드 메시지를 생성하여 사용자에게 제공할 수 있다.

센싱부(1400)는, 전자 장치(1000)의 상태 또는 전자 장치(1000) 주변의 상태를 감지하고, 감지된 정보를 프로세서(1300)로 전달할 수 있다.

센싱부(1400)는, 지자기 센서(Magnetic sensor)(1410), 가속도 센서(Acceleration sensor)(1420), 온/습도 센서(1430), 적외선 센서(1440), 자이로스코프 센서(1450), 위치 센서(예컨대, GPS)(1460), 기압 센서(1470), 근접 센서(1480), 및 RGB 센서(illuminance sensor)(1490) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다.

통신부(1500)는, 전자 장치(1000)가 서버(2000) 또는 외부 장치(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(1500)는, 근거리 통신부(1510), 이동 통신부(1520), 방송 수신부(1530)를 포함할 수 있다.

근거리 통신부(short-range wireless communication unit)(1510)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.

이동 통신부(1520)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.

방송 수신부(1530)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신한다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 전자 장치(1000)가 방송 수신부(1530)를 포함하지 않을 수도 있다.

일 실시 예에 의한, 통신부(1500)는 외부 장치와 적어도 하나의 메시지를 송수신할 수 있다. 또한, 통신부(1500)는 통화를 수행하기 위한 음성 데이터를 송수신할 수 있다.

일 실시 예에 의한 통신부(1500)는, 상기 적어도 하나의 메시지 및 음성 데이터를 서버(2000)로 전송하고, 서버(2000)로부터 메신저 피싱 또는 보이스 피싱에 대한 감지 결과, 메신저 피싱 또는 보이스 피싱의 유형에 관한 정보, 가이드 메시지 등을 수신할 수 있다.

A/V(Audio/Video) 입력부(1600)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(1610)와 마이크로폰(1620) 등이 포함될 수 있다. 카메라(1610)는 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 프로세서(1300) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.

마이크로폰(1620)은, 외부의 음향 신호를 입력 받아 전기적인 음성 데이터로 처리한다. 예를 들어, 마이크로폰(1620)은 통화를 수행하기 위한 사용자의 음성 신호를 수신할 수 있다.

메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(1000)로 입력되거나 전자 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다.

일 실시 예에 의한 메모리(1700)는 통화중인 음성에 대한 음성 인식을 수행하기 위해 필요한 정보를 저장할 수 있다. 또한, 메모리(1700)는 메신저 피싱 또는 보이스 피싱을 감지하거나 메신저 피싱 또는 보이스 피싱의 유형을 결정하기 위해 필요한 정보를 저장할 수 있다. 예를 들면, 메모리(1700)는, 메신저 피싱 또는 보이스 피싱을 감지하기 위해 미리 학습된 데이터를 저장할 수 있다.

일 실시 예에 따라, 서버(2000)에 의해 통화 음성에 대해 음성 인식이 수행되는 경우, 상기 음성 인식에 필요한 정보는, 메모리(1700) 대신 서버(2000)에 저장될 수 있다. 또한, 일 실시 예에 따라, 서버(2000)에 의해 메신저 피싱 또는 보이스 피싱이 감지되거나 메신저 피싱 또는 보이스 피싱의 유형이 결정되는 경우, 이에 필요한 정보는 메모리(1700) 대신 서버(2000)에 저장될 수 있다.

메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

메모리(1700)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(1710), 터치 스크린 모듈(1720), 알림 모듈(1730) 등으로 분류될 수 있다.

UI 모듈(1710)은, 애플리케이션 별로 전자 장치(1000)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(1720)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 프로세서(1300)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(1720)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(1720)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.

터치스크린의 터치 또는 근접 터치를 감지하기 위해 터치스크린의 내부 또는 근처에 다양한 센서가 구비될 수 있다. 터치스크린의 터치를 감지하기 위한 센서의 일례로 촉각 센서가 있다. 촉각 센서는 사람이 느끼는 정도로 또는 그 이상으로 특정 물체의 접촉을 감지하는 센서를 말한다. 촉각 센서는 접촉면의 거칠기, 접촉 물체의 단단함, 접촉 지점의 온도 등의 다양한 정보를 감지할 수 있다.

사용자의 터치 제스처에는 탭, 터치&홀드, 더블 탭, 드래그, 패닝, 플릭, 드래그 앤드 드롭, 스와이프 등이 있을 수 있다.

알림 모듈(1730)은 전자 장치(1000)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다.

도 4는 일 실시 예에 의한 메신저 피싱을 감지하는 방법을 나타낸 순서도이다.

도 4를 참조하면, 단계 410에서, 전자 장치(1000)는 전자 장치(1000)에서 송수신된 적어도 하나의 메시지를 획득할 수 있다. 단계 410에서 획득되는 메시지는, 메신저 앱 및/또는 SNS(social network service) 앱에서 송수신되는 다이렉트 메시지, SMS(short message service), MMS(multimedia messaging service) 메시지 등을 포함할 수 있다. 상술한 예에 한하지 않고, 단계 410에서 획득되는 메시지는, 다양한 종류의 텍스트 메시지를 포함할 수 있다.

단계 420에서, 전자 장치(1000)는 적어도 하나의 메시지 상의 대화를 분석함으로써, 적어도 하나의 메시지의 대화 흐름에 관한 정보를 획득할 수 있다. 일 실시 예에 의하면, 적어도 하나의 메시지의 대화 흐름에 관한 정보는 각각의 대화에 대한 대화 주제와, 상기 대화 주제의 흐름에 관한 정보를 포함할 수 있다.

단계 430에서, 전자 장치(1000)는 단계 420에서 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 단계 410에서 획득된 적어도 하나의 메시지로부터 메신저 피싱을 감지할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 메시지의 각각의 대화에 대한 대화 주제 및 상기 대화 주제의 흐름과, 메신저 피싱에 해당되는 대화에 대한 대화 주제 및 상기 대화 주제의 흐름 간의 유사도를 판단함으로서, 메신저 피싱을 감지할 수 있다. 메신저 피싱에 해당되는 대화에 대한 대화 주제 및 상기 대화 주제의 흐름은, 메신저 피싱을 감지하기 위한 학습 데이터에 기초하여 획득될 수 있다.

일 실시 예에 의한 전자 장치(1000)는 메신저 피싱을 감지하기 위한 학습 데이터와, 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 적어도 하나의 메시지로부터 메신저 피싱을 감지할 수 있다. 메신저 피싱을 감지하기 위한 학습 데이터는 예를 들면, 메신저 피싱에 해당되는 메시지 상 대화가 분석된 결과가 학습됨으로써 획득될 수 있다.

단계 430에서, 전자 장치(1000)는 단계 410에서 획득된 적어도 하나의 메시지로부터 메신저 피싱이 감지되지 않는 경우, 단계 410로 되돌아가 다른 메시지를 획득하는 동작을 계속 수행할 수 있다.

반면, 단계 410에서 획득된 적어도 하나의 메시지로부터 메신저 피싱이 감지되는 경우, 단계 440에서, 전자 장치(1000)는 감지된 메신저 피싱에 관한 정보를 포함하는 가이드 메시지를 사용자에게 제공할 수 있다.

상술한 가이드 메시지는 메신저 피싱의 유형에 기초하여 생성될 수 있다. 예를 들면, 메신저 피싱의 유형은 메신저 피싱이 감지된 적어도 하나의 메시지로부터 추출된 키워드에 기초하여 결정될 수 있다. 상술한 예에 한하지 않고, 메신저 피싱의 유형은, 다양한 방법을 통해 결정될 수 있다. 메신저 피싱의 유형은, 금융 기관 또는 공공 기관을 사칭하는 유형, 지인을 사칭하는 유형, 택배 직원을 사칭하는 유형 등 다양한 유형 중에서 결정될 수 있다.

일 실시 예에 의한 가이드 메시지는 현재 수신된 메시지가 메신저 피싱임을 통지하고, 메신저 피싱의 유형에 따라 사용자가 대처할 수 있는 방법을 알리기 위한 내용을 포함할 수 있다.

예를 들면, 메신저 피싱의 유형이 지인 사칭인 경우, 가이드 메시지는, 사용자에게 현재 수신된 메시지가 지인을 사칭하는 메신저 피싱으로 판단됨을 알리는 내용, 사용자가 메신저 피싱인지를 직접 확인할 수 있는 방법에 관한 내용 등을 포함할 수 있다.

또한, 전자 장치(1000)는 메시지의 대화 상대방 몰래 전자 장치(1000)의 사용자만 가이드 메시지를 인지할 수 있도록 가이드 메시지를 디스플레이에 표시하거나 스피커를 통해 출력할 수 있다.

도 5는 일 실시 예에 의한 메신저 피싱을 감지하는 방법을 나타낸 순서도이다.

도 5의 단계 510, 560 및 580은 각각 도 4의 단계 410, 430 및 440 와 대응될 수 있다. 도 5의 실시예는, 도 4의 실시예와 달리, 적어도 하나의 메시지에 대한 대화 흐름에 관한 정보뿐만 아니라, 적어도 하나의 메시지에 관한 다른 정보가 더 이용됨으로써, 메신저 피싱이 감지될 수 있다.

도 5를 참조하면, 단계 510에서 전자 장치(1000)는 전자 장치(1000)에서 송수신된 적어도 하나의 메시지를 획득할 수 있다.

이하 단계 520 내지 550에서, 전자 장치(1000)는 단계 510에서 획득된 적어도 하나의 메시지로부터 메신저 피싱을 감지하기 위한 동작을 수행할 수 있다.

단계 520에서, 전자 장치(1000)는 적어도 하나의 메시지의 대화 상대방에 대한 식별 정보를 획득할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 메시지의 대화 상대방에 대한 식별 정보에 기초하여, 메신저 피싱을 감지할 수 있다. 예를 들면, 전자 장치(1000)는 미리 등록된 메신저 피싱의 발신자에 대한 식별 정보와 적어도 하나의 메시지의 대화 상대방에 대한 식별 정보가 일치하는지 여부를 판단함으로써, 메신저 피싱을 감지할 수 있다.

대화 상대방에 대한 식별 정보는 대화 상대방의 메신저 아이디뿐만 아니라, 메시지에 포함된 계좌 정보, 인터넷 URL(Uniform Resource Locator) 주소 정보, 대화 상대방을 나타내는 키워드 등 대화 상대방을 유추할 수 있는 다양한 종류의 정보를 포함할 수 있다.

일 실시 예에 의하면, 미리 등록된 메신저 피싱의 발신자에 대한 식별 정보는 서버(2000)에 저장된 것일 수 있다. 전자 장치(1000)는 서버(2000)로부터 미리 등록된 메신저 피싱의 발신자에 대한 식별 정보를 수신하여, 미리 등록된 메신저 피싱의 발신자에 대한 식별 정보와 적어도 하나의 메시지의 대화 상대방에 대한 식별 정보를 비교할 수 있다. 또는, 전자 장치(1000)는, 서버(2000)에, 적어도 하나의 메시지의 대화 상대방에 대한 식별 정보를 전송하여, 미리 등록된 메신저 피싱의 발신자에 대한 식별 정보와 적어도 하나의 메시지의 대화 상대방에 대한 식별 정보를 비교한 결과를 수신할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 메시지의 대화 상대방에 대한 식별 정보에 기초하여, 메신저 피싱을 감지하기 위한 동작을 수행한 결과로서, 적어도 하나의 메시지가 메신저 피싱에 해당될 가능성을 나타내는 확률값을 구할 수 있다.

단계 530에서, 전자 장치(1000)는, 적어도 하나의 메시지로부터 적어도 하나의 키워드를 추출하고, 추출된 키워드에 관한 정보에 기초하여, 메신저 피싱을 감지할 수 있다. 예를 들면, 전자 장치(100)는 적어도 하나의 메시지에 대하여 자연어 처리를 수행함으로써, 메신저 피싱과 관련된 적어도 하나의 키워드를 추출할 수 있다. 예를 들어, 전자 장치(1000)는, 자연어 처리를 통해 계좌 번호, 주민 번호 등 금융 정보, 개인 정보 요구와 관련된 키워드를 적어도 하나의 메시지로부터 추출할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 메시지로부터 추출된 키워드에 관한 정보에 기초하여, 메신저 피싱을 감지하기 위한 동작을 수행한 결과로서, 적어도 하나의 메시지가 메신저 피싱에 해당될 가능성을 나타내는 확률값을 구할 수 있다.

단계 540에서, 전자 장치(1000)는 적어도 하나의 메시지 상의 대화를 분석한 결과에 기초하여, 메신저 피싱을 감지할 수 있다. 예를 들면, 전자 장치(1000)는 적어도 하나의 메시지 상의 대화를 분석함으로써, 적어도 하나의 메시지의 대화 흐름에 관한 정보를 획득할 수 있다. 전자 장치(1000)는 적어도 하나의 메시지의 대화 흐름에 관한 정보에 기초하여, 메신저 피싱을 감지할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 메시지의 대화 흐름에 관한 정보에 기초하여, 메신저 피싱을 감지하기 위한 동작을 수행한 결과로서, 적어도 하나의 메시지가 메신저 피싱에 해당될 가능성을 나타내는 확률값을 구할 수 있다.

단계 550에서, 전자 장치(1000)는, 적어도 하나의 메시지 상의 대화 상대방의 대화 이력에 기초하여, 메신저 피싱을 감지할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 메시지 상의 대화 상대방을 식별하고, 식별된 대화 상대방의 대화 특징에 관한 정보를 획득할 수 있다. 대화 상대방의 대화에 대한 특징 정보는 상기 대화 상대방의 대화 이력에 기초하여 미리 학습된 데이터일 수 있다. 전자 장치(1000)는 대화 상대방의 대화 특징에 관한 정보를 이용하여, 적어도 하나의 메시지의 대화 상대방이 메신저 아이디를 탈취한 가짜 상대방인지 여부를 판단할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 대화 상대방의 대화 특징에 관한 정보에 기초하여, 메신저 피싱을 감지하기 위한 동작을 수행한 결과로서, 적어도 하나의 메시지가 메신저 피싱에 해당될 가능성을 나타내는 확률값을 구할 수 있다.

단계 560에서, 전자 장치(1000)는 단계 520 내지 550에서 판단된 결과에 기초하여, 적어도 하나의 메시지가 메신저 피싱에 해당되는지 여부를 최종적으로 판단할 수 있다. 단계 520 내지 550에서 판단된 결과는, 각각 적어도 하나의 메시지가 메신저 피싱에 해당될 가능성을 나타내는 확률값을 포함할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는, 단계 520 내지 550에서 판단된 각각의 결과에 대해 적용될 수 있는 적어도 하나의 가중치를 획득할 수 있다. 일 실시 예에 의한 가중치는, 메신저 피싱을 감지하기 위한 방법에 있어서의 신뢰도에 따라 결정된 값이거나, 메신저 피싱을 감지하기 위해 미리 학습된 데이터에 따라서, 결정된 값일 수 있다.

전자 장치(1000)는, 단계 520 내지 550에서 획득된, 적어도 하나의 메시지가 메신저 피싱에 해당될 가능성을 나타내는 확률값에 각각 대응되는 가중치를 적용할 수 있다. 전자 장치(1000)는 가중치가 각각 적용된 적어도 하나의 확률값에 기초하여, 적어도 하나의 메시지로부터 메신저 피싱을 감지할 수 있다.

예를 들면, 단계 520 내지 550에서 획득된, 적어도 하나의 메시지가 메신저 피싱에 해당될 가능성을 나타내는 확률값이 각각 0.7, 0.8, 0.6, 0.5이고, 가중치는 각각 0.4, 0.3, 0.2, 0.1인 경우를 가정하면, 각 확률값에 대응되는 가중치가 적용된 값들의 합으로 0.69가 획득될 수 있다. 메신저 피싱인지 판단하기 위한 기준값이 0.6이라 가정하면, 전자 장치(1000)는, 각 확률값에 대응되는 가중치가 적용된 값들의 합으로 기준값 이상인 0.69를 획득함에 따라, 적어도 하나의 메시지는 메신저 피싱에 해당됨을 결정할 수 있다.

단계 560에서, 전자 장치(1000)는 단계 510에서 획득된 적어도 하나의 메시지로부터 메신저 피싱이 감지되지 않은 경우, 단계 510로 되돌아가 다른 메시지를 획득하는 동작을 계속 수행할 수 있다.

반면, 단계 510에서 획득된 적어도 하나의 메시지로부터 메신저 피싱이 감지된 경우, 단계 570에서, 전자 장치(1000)는, 전자 장치(1000)는 메신저 피싱의 유형을 결정할 수 있다. 메신저 피싱의 유형은, 예를 들면, 적어도 하나의 메시지로부터 추출된 키워드에 기초하여 결정될 수 있다. 상술한 예에 한하지 않고, 메신저 피싱의 유형은, 다양한 방법을 통해 결정될 수 있다.

단계 580에서, 전자 장치(1000)는, 단계 570에서 결정된 메신저 피싱의 유형에 기초하여 가이드 메시지를 생성하고, 사용자에게 가이드 메시지를 제공할 수 있다. 가이드 메시지는 현재 수신된 메시지가 메신저 피싱임을 통지하고, 메신저 피싱의 유형에 따라 사용자가 대처할 수 있는 방법을 알리기 위한 내용을 포함할 수 있다.

또한, 전자 장치(1000)는 메시지의 대화 상대방 몰래 전자 장치(1000)의 사용자만 가이드 메시지를 인지할 수 있도록 가이드 메시지를 디스플레이에 표시하거나 스피커를 통해 출력할 수 있다.

도 6은 일 실시 예에 의한 메신저 피싱의 일 예를 나타낸 도면이다.

도 6을 참조하면, 두 명의 사용자(610, 620) 간에 적어도 하나의 메시지들(611, 612, 613, 621, 622)이 송수신될 수 있다.

전자 장치(1000)는 새로운 메시지가 수신될 때 마다 일 실시 예에 의한 메신저 피싱을 감지하는 동작을 수행할 수 있다. 또는, 전자 장치(1000)는, 새로운 메시지가 수신된 후, 일정한 시간 간격으로 일 실시 예에 의한 메신저 피싱을 감지하는 동작을 수행할 수 있다. 또는, 전자 장치(1000)는, 새로운 메시지가 수신된 후, 송수신된 메시지의 개수가 기준 개수를 초과할 때마다, 일 실시 예에 의한 메신저 피싱을 감지하는 동작을 수행할 수 있다. 상술한 예에 한하지 않고, 전자 장치(1000)는 다양한 방법으로 메신저 피싱을 감지하는 동작을 수행할 수 있다.

예를 들면, 전자 장치(1000)는 제1 사용자(610)로부터 메시지(611)가 수신되면, 일 실시 예에 의한 메신저 피싱을 감지하는 동작을 수행하기 시작할 수 있다. 전자 장치(1000)는, 제1 사용자(610)로부터 메시지(611)가 수신된 이후에는, 일정한 시간 간격 또는 미리 지정된 개수 이상의 메시지가 송수신되면, 메신저 피싱을 감지하는 동작을 다시 반복하여 수행할 수 있다.

전자 장치(1000)는, 제1 사용자(610) 및 제2 사용자(620) 간 송수신된 메시지(611, 612, 613, 621, 622)들 중 적어도 하나의 메시지로부터 메신저 피싱을 감지할 수 있다. 전자 장치(1000)는 메시지 상의 대화를 분석함으로써, 대화 흐름에 관한 정보를 획득하고, 대화 흐름에 관한 정보를 이용하여, 적어도 하나의 메시지로부터 메신저 피싱을 감지할 수 있다.

대화 흐름에 관한 정보는, 각각의 대화에 대한 대화 주제와, 상기 대화 주제의 흐름에 관한 정보를 포함할 수 있다. 예를 들면, 메시지들(611, 621, 612, 622, 613)의 주제 및 순서는 각각 정보 전달, 이유 확인, 금전 요구, 질문, 타인 명의의 계좌 정보 전달로 분석될 수 있다. 전자 장치(1000)는, 상술한 대화 흐름에 관한 정보 및 메신저 피싱을 감지하기 위해 미리 학습된 데이터를 이용함으로써, 메시지로부터 메신저 피싱을 감지할 수 있다.

메신저 피싱이 감지되면, 전자 장치(1000)는, 메신저 피싱의 유형을 결정하고, 이에 기초하여 가이드 메시지(631)를 생성할 수 있다. 메신저 피싱의 유형은, 메시지로부터 추출된 키워드로부터 결정될 수 있다. 예를 들면, 전자 장치(1000)는 메시지로부터, 아빠, 돈이 필요해, 길동이 계좌, 송금 등의 키워드를 추출하고, 추출된 키워드로부터 메신저 피싱의 유형은 지인 사칭인 것으로 결정할 수 있다. 결정된 메신저 피싱 유형에 기초하여, 전자 장치(1000)는 지인 사칭의 메신저 피싱에 대한 사용자의 대처 방법을 포함한 가이드 메시지(631)를 제공할 수 있다.

일 실시 예에 의하면, 가이드 메시지(631)는 도 6에 도시된 바와 같이 전자 장치(1000)의 가상의 주체(630)에 의한 대화형 메시지로 사용자에게 제공될 수 있다. 가이드 메시지(631)는, 메신저 피싱의 유형과, 메신저 피싱의 유형에 따른 사용자의 대처 방법에 관한 내용을 포함할 수 있다. 예를 들면, 지인 사칭의 메신저 피싱인 것으로 결정되면, 가이드 메시지(631)는 사칭된 지인의 인상 착의에 대해 제1 사용자(610)가 직접 확인해 볼 것을 요청하는 내용을 포함할 수 있다.

도 7은 일 실시 예에 의한 보이스 피싱을 감지하는 방법을 나타낸 순서도이다.

도 7을 참조하면, 전자 장치(1000)는 전화 통화가 시작되면, 일 실시 예에 의한 보이스 피싱을 감지하기 위한 동작을 수행할 수 있다. 예를 들면, 전자 장치(1000)는 전화 통화가 시작된 후, 미리 지정된 시간 간격마다, 일 실시 예에 의한 보이스 피싱을 감지하기 위한 동작을 수행할 수 있다.

단계 710에서, 전자 장치(1000)는, 현재 수행 중인 통화에 대해 통화 녹음을 수행하여, 음성 데이터를 획득할 수 있다.

단계 720에서, 전자 장치(1000)는 현재 수행 중인 통화가 녹음된 음성 데이터에 대하여 음성 인식을 수행할 수 있다. 음성 인식이 수행된 결과, 전자 장치(1000)는 현재 수행 중인 통화 상의 대화와 대응되는 적어도 하나의 텍스트를 획득할 수 있다.

단계 730에서, 전자 장치(1000)는 음성 인식 결과 획득된 적어도 하나의 텍스트 상의 대화를 분석함으로써, 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 획득할 수 있다. 일 실시 예에 의하면, 적어도 하나의 메시지의 대화 흐름에 관한 정보는 각각의 대화에 대한 대화 주제와, 상기 대화 주제의 흐름에 관한 정보를 포함할 수 있다.

단계 740에서, 전자 장치(1000)는 적어도 하나의 텍스트의 대화 흐름에 관한 정보에 기초하여, 현재 수행 중인 통화로부터 보이스 피싱을 감지할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 텍스트의 각각의 대화에 대한 대화 주제 및 상기 대화 주제의 흐름과, 보이스 피싱에 해당되는 대화에 대한 대화 주제 및 상기 대화 주제의 흐름 간의 유사도를 판단함으로서, 보이스 피싱을 감지할 수 있다. 보이스 피싱에 해당되는 대화에 대한 대화 주제 및 상기 대화 주제의 흐름은, 보이스 피싱을 감지하기 위한 학습 데이터로부터 획득될 수 있다.

일 실시 예에 의한 전자 장치(1000)는 보이스 피싱을 감지하기 위한 학습 데이터에 기초하여, 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 이용하여, 적어도 하나의 텍스트로부터 보이스 피싱을 감지할 수 있다. 보이스 피싱을 감지하기 위한 학습 데이터는 예를 들면, 보이스 피싱에 해당되는 통화 상 대화가 분석된 결과로부터 획득될 수 있다.

단계 740에서, 전자 장치(1000)는 현재 수행 중인 통화로부터 보이스 피싱이 감지되지 않는 경우, 단계 710로 되돌아가 현재 수행 중인 통화에 대해 통화 녹음을 수행하는 동작을 계속 수행할 수 있다.

반면, 현재 수행 중인 통화로부터 보이스 피싱이 감지되는 경우, 단계 750에서, 전자 장치(1000)는 감지된 보이스 피싱에 관한 정보를 포함하는 가이드 메시지를 사용자에게 제공할 수 있다.

상술한 가이드 메시지는 보이스 피싱의 유형에 기초하여 생성될 수 있다. 일 실시 예에 의하면, 보이스 피싱의 유형은 보이스 피싱이 감지된 적어도 하나의 텍스트로부터 추출된 키워드에 기초하여 결정될 수 있다. 예를 들면, 금융 기관 또는 공공 기관을 사칭하는 유형, 지인을 사칭하는 유형, 택배 직원을 사칭하는 유형 등 다양한 유형 중에서 보이스 피싱의 유형이 결정될 수 있다.

또한, 가이드 메시지는 현재 수행 중인 통화로부터 보이스 피싱이 감지됨을 통지하고, 보이스 피싱의 유형에 따라 사용자가 대처할 수 있는 방법을 알리기 위한 내용을 포함할 수 있다.

예를 들면, 보이스 피싱의 유형이 지인 사칭인 경우, 가이드 메시지는, 사용자에게 현재 진행 중인 전화 통화가 지인을 사칭하는 보이스 피싱으로 판단됨을 알리는 내용, 사용자가 현재 진행 중인 전화 통화가 보이스 피싱인지를 직접 확인할 수 있는 방법에 관한 내용 등을 포함할 수 있다.

또한, 일 실시 예에 의하면 전자 장치(1000)는 현재 통화를 진행 중인 사용자가 가이드 메시지를 인식할 수 있도록 가이드 메시지를 음성 데이터로 변환하여 스피커를 통해 출력할 수 있다.

도 8은 일 실시 예에 의한 보이스 피싱을 감지하는 방법을 나타낸 순서도이다.

도 8의 단계 810, 820, 840, 850 및 860은 도 7의 단계 710, 720, 740, 750 및 760은 대응될 수 있다. 도 8의 실시예는, 도 7의 실시예와 달리, 적어도 하나의 텍스트에 대한 대화 흐름에 관한 정보뿐만 아니라, 현재 수행 중인 통화에 관한 다른 정보가 더 이용됨으로써, 보이스 피싱이 감지될 수 있다.

도 8을 참조하면, 전자 장치(1000)는 전화 통화가 시작되면, 일 실시 예에 의한 보이스 피싱을 감지하기 위한 동작을 수행할 수 있다. 예를 들면, 전자 장치(1000)는 통화가 시작된 후, 미리 지정된 시간 간격마다, 일 실시 예에 의한 보이스 피싱을 감지하기 위한 동작을 수행할 수 있다.

일 실시 예에 의하면, 단계 810에서, 전자 장치(1000)는 전화 통화가 시작됨에 따라, 통화 녹음을 수행하여 음성 데이터를 획득할 수 있다.

단계 820에서, 전자 장치(1000)는 획득된 음성 데이터에 대하여 음성 인식을 수행할 수 있다. 음성 인식을 수행한 결과, 전자 장치(1000)는 현재 수행 중인 통화 상의 대화와 대응되는 적어도 하나의 텍스트를 획득할 수 있다.

이하 단계 831 내지 834에서, 전자 장치(1000)는 보이스 피싱을 감지하기 위한 동작을 수행할 수 있다.

단계 831에서, 전자 장치(1000)는 현재 수행 중인 통화의 상대방에 관한 식별 정보를 획득할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 현재 수행 중인 통화 상대방에 대한 식별 정보에 기초하여, 보이스 피싱을 감지할 수 있다. 예를 들면, 전자 장치(1000)는 미리 등록된 보이스 피싱의 발신자에 대한 식별 정보와 통화 상대방에 대한 식별 정보가 일치하는지 여부를 판단함으로써, 보이스 피싱을 감지할 수 있다.

통화 상대방에 대한 식별 정보는 통화 상대방의 발신 번호뿐만 아니라, 통화 상 대화에 포함된 계좌 정보, 주소 정보, 통화 상대방을 나타내는 키워드 등 통화 상대방을 유추할 수 있는 다양한 종류의 정보를 포함할 수 있다.

일 실시 예에 의하면, 미리 등록된 보이스 피싱의 발신자에 대한 식별 정보는 서버(2000)에 저장된 것일 수 있다. 전자 장치(1000)는 서버(2000)로부터 미리 등록된 보이스 피싱의 발신자에 대한 식별 정보를 수신하여, 미리 등록된 보이스 피싱의 발신자에 대한 식별 정보와 통화 상대방에 대한 식별 정보를 비교할 수 있다. 또는, 전자 장치(1000)는, 서버(2000)에, 통화 상대방에 대한 식별 정보를 전송하여, 미리 등록된 보이스 피싱의 발신자에 대한 식별 정보와 통화 상대방에 대한 식별 정보를 비교한 결과를 수신할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 통화 상대방에 대한 식별 정보에 기초하여, 보이스 피싱을 감지하기 위한 동작을 수행한 결과로서, 현재 수행 중인 통화가 보이스 피싱에 해당될 가능성을 나타내는 확률값을 구할 수 있다.

단계 832에서, 전자 장치(1000)는, 단계 820에서 획득된 적어도 하나의 텍스트로부터 적어도 하나의 키워드를 추출하고, 추출된 키워드에 관한 정보에 기초하여, 보이스 피싱을 감지할 수 있다. 예를 들면, 전자 장치(100)는 적어도 하나의 텍스트에 대하여 자연어 처리를 수행함으로써, 보이스 피싱과 관련된 적어도 하나의 키워드를 추출할 수 있다. 예를 들어, 전자 장치(1000)는, 자연어 처리를 통해 계좌 번호, 주민 번호 등 금융 정보, 개인 정보 요구와 관련된 키워드를 적어도 하나의 텍스트로부터 추출할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 텍스트로부터 추출된 키워드에 관한 정보에 기초하여, 보이스 피싱을 감지하기 위한 동작을 수행한 결과로서, 현재 수행 중인 통화가 보이스 피싱에 해당될 가능성을 나타내는 확률값을 구할 수 있다.

단계 833에서, 전자 장치(1000)는 적어도 하나의 텍스트 상의 대화를 분석한 결과에 기초하여, 보이스 피싱을 감지할 수 있다. 예를 들면, 전자 장치(1000)는 적어도 하나의 텍스트 상의 대화를 분석함으로써, 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 획득할 수 있다. 전자 장치(1000)는 적어도 하나의 텍스트의 대화 흐름에 관한 정보에 기초하여, 보이스 피싱을 감지할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 텍스트의 대화 흐름에 관한 정보에 기초하여, 보이스 피싱을 감지하기 위한 동작을 수행한 결과로서, 현재 수행 중인 통화가 보이스 피싱에 해당될 가능성을 나타내는 확률값을 구할 수 있다.

단계 834에서, 전자 장치(1000)는, 통화 상대방의 대화 이력에 기초하여, 메신저 피싱을 감지할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 통화 상대방을 식별하고, 식별된 통화 상대방의 대화 특징에 관한 정보를 획득할 수 있다. 통화 상대방의 대화에 대한 특징 정보는 대화 이력에 기초하여 미리 학습된 데이터일 수 있다. 전자 장치(1000)는 통화 상대방의 대화 특징에 관한 정보를 이용하여, 통화 상대방이 발신 번호를 탈취한 가짜인지 여부를 판단할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는 통화 상대방의 대화 특징에 관한 정보에 기초하여, 보이스 피싱을 감지하기 위한 동작을 수행한 결과로서, 현재 수행 중인 통화가 보이스 피싱에 해당될 가능성을 나타내는 확률값을 구할 수 있다.

단계 840에서, 전자 장치(1000)는 단계 831 내지 834에서 판단된 결과에 기초하여, 현재 수행 중인 통화가 보이스 피싱에 해당되는지 여부를 최종적으로 판단할 수 있다. 단계 831 내지 834에서 판단된 결과는, 각각 현재 수행 중인 통화가 보이스 피싱에 해당될 가능성을 나타내는 확률값을 포함할 수 있다.

일 실시 예에 의하면, 전자 장치(1000)는, 단계 831 내지 834에서 판단된 각각의 결과에 대해 적용될 수 있는 적어도 하나의 가중치를 획득할 수 있다. 가중치는, 보이스 피싱을 감지하기 위한 방법에 있어서의 신뢰도에 따라 결정된 값이거나, 보이스 피싱을 감지하기 위해 미리 학습된 데이터에 따라서, 결정된 값일 수 있다.

전자 장치(1000)는, 현재 수행 중인 통화가 보이스 피싱에 해당될 가능성을 나타내는 확률값에 각각 대응되는 가중치를 적용하고, 가중치가 적용된 적어도 하나의 확률값에 기초하여, 적어도 하나의 텍스트로부터 보이스 피싱을 감지할 수 있다.

예를 들면, 단계 831 내지 834에서 획득된 현재 수행 중인 통화가 보이스 피싱에 해당될 가능성을 나타내는 확률값이 각각 0.7, 0.8, 0.6, 0.5이고, 가중치는 각각 0.4, 0.3, 0.2, 0.1인 경우를 가정하면, 각 확률값에 대응되는 가중치가 적용된 값들의 합으로 0.69가 획득될 수 있다. 보이스 피싱을 감지하기 위한 기준값이 0.6이라 가정하면, 전자 장치(1000)는, 각 확률값에 대응되는 가중치가 적용된 값들의 합으로 기준값 이상인 0.69를 획득함에 따라, 현재 수행 중인 통화는 보이스 피싱에 해당됨을 결정할 수 있다.

단계 840에서, 전자 장치(1000)는 현재 진행 중인 통화가 보이스 피싱에 해당되지 않는 경우, 단계 810로 되돌아가 통화 녹음을 수행하여 음성 데이터를 획득하는 동작을 계속 수행할 수 있다.

반면, 전자 장치(1000)가 현재 진행 중인 전화 통화로부터 보이스 피싱을 감지하는 경우, 단계 850에서, 보이스 피싱의 유형을 결정할 수 있다. 일 실시 예에 의하면, 보이스 피싱의 유형은, 적어도 하나의 텍스트로부터 추출된 키워드에 기초하여 결정될 수 있다. 예를 들면, 금융 기관 또는 공공 기관을 사칭하는 유형, 지인을 사칭하는 유형, 택배 직원을 사칭하는 유형 등 다양한 유형 중에서 보이스 피싱의 유형이 결정될 수 있다.

단계 860에서, 전자 장치(1000)는, 단계 850에서 결정된 보이스 피싱의 유형에 기초하여 사용자에게 가이드 메시지를 제공할 수 있다. 가이드 메시지는 현재 수행 중인 전화 통화가 보이스 피싱임을 통지하고, 보이스 피싱의 유형에 따라 사용자가 대처할 수 있는 방법을 알리기 위한 내용을 포함할 수 있다.

예를 들면, 전자 장치(1000)는 현재 통화를 진행 중인 사용자가 가이드 메시지를 인식할 수 있도록 가이드 메시지를 음성 데이터로 변환하여 스피커를 통해 출력할 수 있다.

도 9는 일 실시 예에 의한 보이스 피싱의 일 예를 나타낸 도면이다.

도 9를 참조하면, 제1 사용자(910) 및 제2 사용자(920) 간 통화가 녹음됨으로써 획득된 음성 데이터에 대하여 음성 인식이 수행될 수 있고, 음성 인식 결과 통화 상의 대화와 대응되는 텍스트들(911, 912, 913, 921, 922)이 획득될 수 있다.

전자 장치(1000)는 통화가 시작된 후 주기적으로 일 실시 예에 의한 보이스 피싱을 감지하는 동작을 수행할 수 있다. 상술한 예에 한하지 않고, 전자 장치(1000)는 다양한 방법으로 보이스 피싱을 감지하는 동작을 수행할 수 있다.

전자 장치(1000)는, 제1 사용자(910) 및 제2 사용자(920) 간 대화 내용과 대응되는 텍스트들(911, 912, 913, 921, 922)의 대화를 분석함으로써 대화 흐름에 관한 정보를 획득하고, 획득된 정보를 이용하여 보이스 피싱을 감지할 수 있다.

대화 흐름에 관한 정보는, 각각의 대화에 대한 대화 주제와, 상기 대화 주제의 흐름에 관한 정보를 포함할 수 있다. 예를 들면, 텍스트들(911, 921, 912, 922, 913)의 주제 및 순서는 각각 공공기관 지칭, 질문, 금전 요구, 질문, 타인 명의의 계좌 정보 전달로 분석될 수 있다. 전자 장치(1000)는, 상술한 대화 흐름에 관한 정보 및 보이스 피싱을 감지하기 위해 미리 학습된 데이터를 이용함으로써, 보이스 피싱을 감지할 수 있다.

보이스 피싱이 감지되면, 전자 장치(1000)는, 보이스 피싱의 유형을 결정하고, 이에 기초하여 가이드 메시지(631)를 생성할 수 있다. 보이스 피싱의 유형은, 텍스트들(911, 912, 913, 921, 922)로부터 추출된 키워드로부터 결정될 수 있다. 예를 들면, 전자 장치(1000)는 텍스트로부터, 경찰서, 아드님, 합의금, 100만원 등의 키워드를 추출하고, 추출된 키워드로부터 보이스 피싱의 유형은 공공기관 사칭인 것으로 결정할 수 있다. 결정된 보이스 피싱 유형에 기초하여, 전자 장치(1000)는 공공기관 사칭의 보이스 피싱에 대한 사용자의 대처 방법을 포함한 가이드 메시지(631)를 제공할 수 있다.

일 실시 예에 의하면, 가이드 메시지(931)는 도 9에 도시된 바와 같이 전자 장치(1000)의 가상의 주체(930)에 의한 대화형 메시지로 제2 사용자(920)에게 제공될 수 있다. 가이드 메시지(931)는, 보이스 피싱의 유형과, 보이스 피싱의 유형에 따른 사용자의 대처 방법에 관한 내용을 포함할 수 있다. 예를 들면, 공공기관 사칭의 보이스 피싱인 것으로 결정되면, 가이드 메시지(531)는 대화 내용 중 언급된 지인의 신상에 대해 제2 사용자(920)가 직접 확인해 볼 것을 요청하는 내용을 포함할 수 있다.

도 10은 일부 실시예에 따른 프로세서(1300)의 블록도이다.

도 10을 참조하면, 일부 실시예에 따른 프로세서(1300)는 데이터 학습부(1310) 및 데이터 인식부(1320)를 포함할 수 있다.

데이터 학습부(1310)는 상황 판단을 위한 기준을 학습할 수 있다. 데이터 학습부(1310)는 소정의 상황을 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 상황을 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 데이터 학습부(1310)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 상황 판단을 위한 기준을 학습할 수 있다.

일 실시 예에 의하면, 데이터 학습부(1310)는 메신저 피싱 또는 보이스 피싱을 감지하기 위한 데이터를 학습할 수 있다. 예를 들면, 데이터 학습부(1310)는 메신저 피싱 도는 보이스 피싱에 해당되는 대화 흐름 분석을 통해, 메신저 피싱 또는 보이스 피싱을 감지하기 위한 기준을 학습할 수 있다.

데이터 인식부(1320)는 데이터에 기초한 상황을 판단할 수 있다. 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 소정의 데이터로부터 상황을 인식할 수 있다. 데이터 인식부(1320)는 학습에 의한 기 설정된 기준에 따라 소정의 데이터를 획득하고, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델을 이용함으로써, 소정의 데이터에 기초한 소정의 상황을 판단할 수 있다. 또한, 획득된 데이터를 입력 값으로 하여 데이터 인식 모델에 의해 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.

일 실시 예에 의하면, 데이터 인식부(1320)는 학습된 데이터 인식 모델을 이용하여, 메신저 피싱 또는 보이스 피싱을 감지할 수 있다.

데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.

이 경우, 데이터 학습부(1310) 및 데이터 인식부(1320)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 하나는 전자 장치에 포함되고, 나머지 하나는 서버에 포함될 수 있다. 또한, 데이터 학습부(1310) 및 데이터 인식부(1320)는 유선 또는 무선으로 통하여, 데이터 학습부(1310)가 구축한 모델 정보를 데이터 인식부(1320)로 제공할 수도 있고, 데이터 인식부(1320)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1310)로 제공될 수도 있다.

한편, 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 학습부(1310) 및 데이터 인식부(1320) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

도 11은 일부 실시예에 따른 데이터 학습부(1310)의 블록도이다.

도 11을 참조하면, 일부 실시예에 따른 데이터 학습부(1310)는 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)를 포함할 수 있다.

데이터 획득부(1310-1)는 상황 판단에 필요한 데이터를 획득할 수 있다. 데이터 획득부(1310-1)는 상황 판단을 위한 학습을 위하여 필요한 데이터를 획득할 수 있다.

데이터 획득부(1310-1)는 메신저 피싱 또는 보이스 피싱에 해당되는 것으로 판단되는 적어도 하나의 메시지 또는 음성 데이터를 입력 받을 수 있다. 일 예로, 데이터 획득부(1310-1)는 데이터 학습부(1310)를 포함하는 전자 장치(1000)의 마이크로폰을 통하여 통화 중인 사용자의 음성 신호를 입력 받거나 외부로부터 발송된 메시지를 수신할 수 있다.

전처리부(1310-2)는 상황 판단을 위한 학습에 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1310-2)는 후술할 모델 학습부(1310-4)가 상황 판단을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.

예를 들어, 전처리부(1310-2)는, 메신저 피싱에 해당되는 메시지의 대화 흐름에 대한 특성을 분석하여, 메시지의 대화 흐름에 관한 정보를 생성할 수 있다. 또한, 전처리부(1310-2)는, 보이스 피싱에 해당되는 음성 대화의 특성을 분석하여, 대화 흐름에 관한 정보를 생성할 수 있다.

학습 데이터 선택부(1310-3)는 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 모델 학습부(1310-4)에 제공될 수 있다. 학습 데이터 선택부(1310-3)는 상황 판단을 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(1310-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.

모델 학습부(1310-4)는 학습 데이터에 기초하여 상황을 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 또한, 모델 학습부(1310-4)는 상황 판단을 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 기준을 학습할 수도 있다.

일 실시 예에 의하면, 모델 학습부(1310-4)는 학습 데이터에 기초하여, 메신저 피싱 또는 보이스 피싱을 감지하기 위한 기준을 학습할 수 있다. 예를 들면, 모델 학습부(1310-4)는, 메시지 또는 음성 대화의 대화 흐름에 관한 정보에 기초하여, 메신저 피싱 또는 보이스 피싱인지 여부를 판단하기 위한 기준을 학습할 수 있다.

또한, 모델 학습부(1310-4)는 상황 판단에 이용되는 데이터 인식 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, 데이터 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 이미지 등)을 입력 받아 미리 구축된 모델일 수 있다.

데이터 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 인식 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.

다양한 실시예에 따르면, 모델 학습부(1310-4)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.

또한, 모델 학습부(1310-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 인식 모델을 학습시킬 수 있다.

또한, 모델 학습부(1310-4)는, 예를 들어, 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning) 을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 별다른 지도없이 상황 판단을 위해 필요한 데이터의 종류를 스스로 학습함으로써, 상황 판단을 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1310-4)는, 예를 들어, 학습에 따른 상황 판단의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.

또한, 데이터 인식 모델이 학습되면, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 데이터 인식부(1320)를 포함하는 전자 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 후술할 데이터 인식부(1320)를 포함하는 전자 장치의 메모리에 저장할 수 있다. 또는, 모델 학습부(1310-4)는 학습된 데이터 인식 모델을 전자 장치와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.

이 경우, 학습된 데이터 인식 모델이 저장되는 메모리는, 예를 들면, 전자 장치의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 프로그램은, 예를 들면, 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.

모델 평가부(1310-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1310-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기 설정된 데이터일 수 있다.

예를 들어, 모델 평가부(1310-5)는 평가 데이터에 대한 학습된 데이터 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(1310-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.

한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1310-5)는 각각의 학습된 동영상 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(1310-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.

한편, 데이터 학습부(1310) 내의 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.

또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.

또한, 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1310-1), 전처리부(1310-2), 학습 데이터 선택부(1310-3), 모델 학습부(1310-4) 및 모델 평가부(1310-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

도 12는 일부 실시예에 따른 데이터 인식부(1320)의 블록도이다.

도 12를 참조하면, 일부 실시예에 따른 데이터 인식부(1320)는 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)를 포함할 수 있다.

데이터 획득부(1320-1)는 상황 판단에 필요한 데이터를 획득할 수 있으며, 전처리부(1320-2)는 상황 판단을 위해 획득된 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(1320-2)는 후술할 인식 결과 제공부(1320-4)가 상황 판단을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.

인식 데이터 선택부(1320-3)는 전처리된 데이터 중에서 상황 판단에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 인식 결과 제공부(1320-4)에게 제공될 수 있다. 인식 데이터 선택부(1320-3)는 상황 판단을 위한 기 설정된 기준에 따라, 전처리된 데이터 중에서 일부 또는 전부를 선택할 수 있다. 또한, 인식 데이터 선택부(1320-3)는 후술할 모델 학습부(1310-4)에 의한 학습에 의해 기 설정된 기준에 따라 데이터를 선택할 수도 있다.

인식 결과 제공부(1320-4)는 선택된 데이터를 데이터 인식 모델에 적용하여 상황을 판단할 수 있다. 인식 결과 제공부(1320-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 입력 값으로 이용함으로써, 선택된 데이터를 데이터 인식 모델에 적용할 수 있다. 또한, 인식 결과는 데이터 인식 모델에 의해 결정될 수 있다.

일 실시 예에 의하면, 메신저 피싱 또는 보이스 피싱인지 여부를 판단한 결과를 나타내는 정보가 사용자에게 제공될 수 있다. 예를 들면, 현재 수신된 메시지 또는 현재 진행 중인 통화가 메신저 피싱 또는 보이스 피싱인지에 대한 정보 및 이에 대한 대처 방법에 관한 정보가, 텍스트, 음성, 동영상, 이미지 또는 명령어(예로, 어플리케이션 실행 명령어, 모듈 기능 실행 명령어 등) 등으로 제공될 수 있다.

모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록할 수 있다. 예를 들어, 모델 갱신부(1320-5)는 인식 결과 제공부(1320-4)에 의해 제공되는 인식 결과를 모델 학습부(1310-4)에게 제공함으로써, 모델 학습부(1310-4)가 데이터 인식 모델을 갱신하도록 할 수 있다.

한편, 데이터 인식부(1320) 내의 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.

또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.

또한, 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1320-1), 전처리부(1320-2), 인식 데이터 선택부(1320-3), 인식 결과 제공부(1320-4) 및 모델 갱신부(1320-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.

도 13은 일부 실시예에 따른 전자 장치(1000) 및 서버(2000)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.

도 13의 전자 장치(1000) 및 서버(2000)는 도 1에 도시된 전자 장치(1000) 및 서버(2000)와 대응될 수 있다.

도 13을 참조하면, 서버(2000)는 상황 판단을 위한 기준을 학습할 수 있으며, 전자 장치(1000)는 서버(2000)에 의한 학습 결과에 기초하여 상황을 판단할 수 있다.

이 경우, 서버(2000)의 모델 학습부(2340)는 도 2에 도시된 데이터 학습부(1310)의 기능을 수행할 수 있다. 서버(2000)의 모델 학습부(2340)는 소정의 상황을 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 상황을 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 모델 학습부(2340)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 상황 판단을 위한 기준을 학습할 수 있다.

또한, 전자 장치(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에 의해 생성된 데이터 인식 모델에 적용하여 상황을 판단할 수 있다. 예를 들어, 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)에게 전송하고, 서버(2000)가 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 인식 모델에 적용하여 상황을 판단할 것을 요청할 수 있다. 또한, 인식 결과 제공부(1320-4)는 서버(2000)에 의해 판단된 상황에 관한 정보를 서버(2000)로부터 수신할 수 있다.

예를 들면, 전자 장치(1000)는, 적어도 하나의 메시지 또는 음성 대화와 대응되는 적어도 하나의 텍스트를 서버(2000)로 전송하고, 서버(2000)는, 적어도 하나의 메시지 또는 음성 대화와 대응되는 적어도 하나의 텍스트를 데이터 인식 모델에 적용하여, 메신저 피싱 또는 보이스 피싱인지 여부를 판단할 수 있다. 서버(2000)는, 메신저 피싱 또는 보이스 피싱인지 여부를 판단한 결과를 전자 장치(1000)로 전송할 수 있다.

또는, 전자 장치(1000)의 인식 결과 제공부(1320-4)는 서버(2000)에 의해 생성된 인식 모델을 서버(2000)로부터 수신하고, 수신된 인식 모델을 이용하여 상황을 판단할 수 있다. 이 경우, 전자 장치(1000)의 인식 결과 제공부(1320-4)는 인식 데이터 선택부(1320-3)에 의해 선택된 데이터를 서버(2000)로부터 수신된 데이터 인식 모델에 적용하여 상황을 판단할 수 있다.

예를 들면, 전자 장치(1000)는 적어도 하나의 메시지 또는 음성 대화와 대응되는 적어도 하나의 텍스트를 서버(2000)로부터 수신된 데이터 인식 모델에 적용하여, 메신저 피싱 또는 보이스 피싱인지 여부를 판단할 수 있다.

일 실시 예에 의하면, 메신저 피싱 또는 보이스 피싱을 대화 흐름에 기초하여 감지함으로써, 메신저 피싱 또는 보이스 피싱에 대한 탐지 성능을 높일 수 있다.

또한, 일 실시 예에 의하면, 메신저 피싱 또는 보이스 피싱의 유형에 따라 사용자가 대처할 수 있는 방법에 관한 가이드 메시지를 제공할 수 있다.

일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 또는 프로그램 모듈을 포함하며, 임의의 정보 전달 매체를 포함한다.

또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (15)

1. 전자 장치에서 메신저 피싱을 감지하는 방법에 있어서,
   상기 전자 장치에서 송수신된 적어도 하나의 메시지를 획득하는 단계;
   상기 적어도 하나의 메시지 상의 대화를 분석함으로써, 상기 적어도 하나의 메시지의 대화 흐름에 관한 정보를 획득하는 단계;
   상기 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 상기 적어도 하나의 메시지로부터 메신저 피싱(phishing)을 감지하는 단계;
   상기 감지된 메신저 피싱의 유형을 결정하는 단계;
   상기 결정된 메신저 피싱의 유형에 기초하여, 상기 감지된 메신저 피싱에 관한 정보를 포함하는 가이드 메시지를 생성하는 단계; 및
   상기 생성된 가이드 메시지를 사용자에게 제공하는 단계를 포함하고,
   상기 메신저 피싱의 유형은 지인 사칭을 포함하고,
   상기 가이드 메시지는 사칭 된 지인의 인상 착의 또는 신상 정보를 확인할 것을 요청하는 내용을 포함하는 것인, 방법.
2. 제1항에 있어서, 상기 대화 흐름에 관한 정보는,
   각각의 대화에 대한 대화 주제와, 상기 대화 주제의 흐름에 관한 정보를 포함하는 것인, 방법.
3. 제1항에 있어서, 상기 메신저 피싱을 감지하는 단계는,
   상기 적어도 하나의 메시지의 각각의 대화에 대한 대화 주제 및 상기 대화 주제의 흐름과, 상기 메신저 피싱에 해당되는 대화에 대한 대화 주제 및 상기 대화 주제의 흐름 간의 유사도를 판단하는 단계를 포함하는, 방법.
4. 삭제
5. 제1항에 있어서, 상기 적어도 하나의 메시지로부터 메신저 피싱을 감지하는 단계는,
   상기 적어도 하나의 메시지 상의 대화 상대방에 관한 식별 정보를 획득하는 단계;
   상기 대화 상대방의 대화 특징에 관한 정보를 획득하는 단계;
   상기 적어도 하나의 메시지로부터 적어도 하나의 키워드를 추출하는 단계; 및
   상기 대화 상대방의 식별 정보, 상기 대화 상대방의 대화 특징에 관한 정보 및 상기 추출된 적어도 하나의 키워드에 관한 정보 중 적어도 하나를 더 이용하여, 상기 적어도 하나의 메시지로부터 메신저 피싱을 감지하는 단계를 포함하는, 방법.
6. ◈청구항 6은(는) 설정등록료 납부시 포기되었습니다.◈

   제5항에 있어서, 상기 적어도 하나의 메시지로부터 메신저 피싱을 감지하는 단계는,
   상기 적어도 하나의 메시지의 대화 흐름에 관한 정보, 상기 대화 상대방의 식별 정보, 상기 대화 상대방의 대화에 관한 특징 정보 및 상기 추출된 적어도 하나의 키워드에 관한 정보 중 적어도 하나에 대한 가중치를 각각 획득하는 단계;
   상기 적어도 하나의 메시지의 대화 흐름에 관한 정보, 상기 대화 상대방의 식별 정보, 상기 대화 상대방의 대화에 관한 특징 정보 및 상기 추출된 적어도 하나의 키워드에 관한 정보 중 적어도 하나에 기초한, 상기 적어도 하나의 메시지가 메신저 피싱에 해당될 가능성을 나타내는 확률값을 각각 획득하는 단계;
   상기 획득된 적어도 하나의 확률 값에 각각 대응되는 가중치를 적용하는 단계; 및
   상기 가중치가 적용된 적어도 하나의 확률값에 기초하여, 상기 적어도 하나의 메시지로부터 메신저 피싱을 감지하는 단계를 포함하는, 방법.
7. ◈청구항 7은(는) 설정등록료 납부시 포기되었습니다.◈

   전자 장치에서 보이스 피싱을 감지하는 방법에 있어서,
   상기 전자 장치에서 수행 중인 통화가 녹음된 음성 데이터를 획득하는 단계;
   상기 음성 데이터에 대하여 음성 인식을 수행함으로써, 적어도 하나의 텍스트를 획득하는 단계;
   상기 적어도 하나의 텍스트 상의 대화를 분석함으로써, 상기 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 획득하는 단계;
   상기 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 이용하여, 상기 수행 중인 통화로부터 보이스 피싱(phishing)을 감지하는 단계;
   상기 감지된 보이스 피싱의 유형을 결정하는 단계;
   상기 결정된 보이스 피싱의 유형에 기초하여, 상기 감지된 보이스 피싱에 관한 정보를 포함하는 가이드 메시지를 생성하는 단계; 및
   상기 생성된 가이드 메시지를 사용자에게 제공하는 단계를 포함하고,
   상기 보이스 피싱의 유형은 지인 사칭을 포함하고,
   상기 가이드 메시지는 사칭 된 지인의 인상 착의 또는 신상 정보를 확인할 것을 요청하는 내용을 포함하는 것인, 방법.
8. 메신저 피싱을 감지하는 전자 장치에 있어서, 상기 전자 장치는,
   상기 전자 장치에서 적어도 하나의 메시지를 송수신하는 통신부;
   상기 적어도 하나의 메시지 상의 대화를 분석함으로써, 상기 적어도 하나의 메시지의 대화 흐름에 관한 정보를 획득하고,
   상기 적어도 하나의 메시지의 대화 흐름에 관한 정보를 이용하여, 상기 적어도 하나의 메시지로부터 메신저 피싱을 감지하고,
   상기 감지된 메신저 피싱의 유형을 결정하고,
   상기 결정된 메신저 피싱의 유형에 기초하여, 상기 감지된 메신저 피싱에 관한 정보를 포함하는 가이드 메시지를 생성하는 적어도 하나의 프로세서; 및
   상기 생성된 가이드 메시지를 사용자에게 제공하는 출력부를 포함하고,
   상기 메신저 피싱의 유형은 지인 사칭을 포함하고,
   상기 가이드 메시지는 사칭 된 지인의 인상 착의 또는 신상 정보를 확인할 것을 요청하는 내용을 포함하는 것인, 전자 장치.
9. 제8항에 있어서, 상기 대화 흐름에 관한 정보는,
   각각의 대화에 대한 대화 주제와, 상기 대화 주제의 흐름에 관한 정보를 포함하는 것인, 전자 장치.
10. 제8항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 적어도 하나의 메시지의 각각의 대화에 대한 대화 주제 및 상기 대화 주제의 흐름과, 상기 메신저 피싱에 해당되는 대화에 대한 대화 주제 및 상기 대화 주제의 흐름 간의 유사도를 판단하는, 전자 장치.
11. 삭제
12. 제8항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 적어도 하나의 메시지 상의 대화 상대방에 관한 식별 정보를 획득하고,
    상기 대화 상대방의 대화에 관한 특징 정보를 획득하고,
    상기 적어도 하나의 메시지로부터 적어도 하나의 키워드를 추출하고,
    상기 대화 상대방의 식별 정보, 상기 대화 상대방의 대화 특징에 관한 정보 및 상기 추출된 적어도 하나의 키워드에 관한 정보 중 적어도 하나를 더 이용하여, 상기 적어도 하나의 메시지로부터 메신저 피싱을 감지하는, 전자 장치.
13. 제12항에 있어서, 상기 적어도 하나의 프로세서는,
    상기 적어도 하나의 메시지의 대화 흐름에 관한 정보, 상기 대화 상대방의 식별 정보, 상기 대화 상대방의 대화에 관한 특징 정보 및 상기 추출된 적어도 하나의 키워드에 관한 정보 중 적어도 하나에 대한 가중치를 각각 획득하고,
    상기 적어도 하나의 메시지의 대화 흐름에 관한 정보, 상기 대화 상대방의 식별 정보, 상기 대화 상대방의 대화에 관한 특징 정보 및 상기 추출된 적어도 하나의 키워드에 관한 정보 중 적어도 하나에 기초한, 상기 적어도 하나의 메시지가 메신저 피싱에 해당될 가능성을 나타내는 확률값을 각각 획득하고,
    상기 획득된 적어도 하나의 확률 값에 각각 대응되는 가중치를 적용하고,
    상기 가중치가 적용된 적어도 하나의 확률값에 기초하여, 상기 적어도 하나의 메시지로부터 메신저 피싱을 감지하는, 전자 장치.
14. ◈청구항 14은(는) 설정등록료 납부시 포기되었습니다.◈

    보이스 피싱을 감지하는 전자 장치에 있어서, 상기 전자 장치는,
    통화를 수행하기 위한 데이터를 송수신하는 통신부;
    상기 통화가 녹음된 음성 데이터를 획득하고,
    상기 음성 데이터에 대하여 음성 인식을 수행함으로써, 적어도 하나의 텍스트를 획득하고,
    상기 적어도 하나의 텍스트 상의 대화를 분석함으로써, 상기 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 획득하고,
    상기 적어도 하나의 텍스트의 대화 흐름에 관한 정보를 이용하여, 상기 수행 중인 통화로부터 보이스 피싱을 감지하고,
    상기 감지된 보이스 피싱의 유형을 결정하고,
    상기 결정된 보이스 피싱의 유형에 기초하여, 상기 감지된 보이스 피싱에 관한 정보를 포함하는 가이드 메시지를 생성하는 적어도 하나의 프로세서; 및
    상기 생성된 가이드 메시지를 사용자에게 제공하는 출력부를 포함하고,
    상기 보이스 피싱의 유형은 지인 사칭을 포함하고,
    상기 가이드 메시지는 사칭 된 지인의 인상 착의 또는 신상 정보를 확인할 것을 요청하는 내용을 포함하는 것인, 전자 장치.
15. 제1항의 전자 장치의 동작 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.

Images