피싱·스캠 예방을 위한 서비스 개발 경진대회

안녕하세요 devs님! 관심 가져주셔서 감사합니다.

현재 공개된 자료는 '실시간 맥락 분석 알고리즘'의 유효성을 증명하기 위한 웹 기반 PoC(Proof of Concept) 모델입니다. 단순한 화면 구성이 아니라, 실제 대화의 뉘앙스를 수치화하는 로직을 Gemini API 기반으로 구현하여 작동 구조를 시뮬레이션화한 것입니다.

안드로이드 기반의 통화 가로채기(System Overlay) 및 온디바이스 SLM 이식 등 하드웨어 의존적인 부분은 본선 진출 시 상세 아키텍처와 함께 구동 영상을 추가로 공개할 예정입니다. 감사합니다!

안녕하세요, klee0x10님! 날카로운 질문 감사드립니다. 기술적 구현 방안에 대해 현재 수립된 로드맵을 간략히 공유드립니다.

저희 SENTINEL AI는 **'Hybrid-AI Architecture'**를 지향하고 있습니다.

PoC 단계: 현재 공개된 시뮬레이션은 Gemini 2.5 Flash API를 활용하여 사회공학적 맥락 분석 로직의 유효성을 검증하는 데 집중하고 있습니다.

실제 구현(On-device): 실제 배포 모델은 기기 내 NPU(Neural Processing Unit) 최적화를 위해 Gemma-2b 또는 **Llama-3-8B-Instruct (4-bit Quantized)**와 같은 SLM(Small Language Model) 이식을 목표로 합니다.

데이터 보안: 안드로이드의 Accessibility Service API를 통해 텍스트 데이터를 수집하되, 모든 연산은 기기 내부에서 처리되는 'Zero-Knowledge' 방식을 채택하여 개인정보 유출 리스크를 원천 차단할 계획입니다.

본선 무대에서는 이러한 온디바이스 최적화 및 양자화(Quantization) 전략에 대해 더 자세히 다룰 예정이니 많은 관심 부탁드립니다!

현재 단계에서 SENTINEL AI는 Hybrid AI Architecture를 채택하고 있습니다.

현재 상태 (PoC 단계): 실시간 텍스트 추출 및 신속한 위협 분석 로직 검증을 위해 **Gemini API(Cloud기반)**를 우선적으로 활용하고 있습니다. 이는 프로토타이핑 단계에서 모델의 추론 성능 한계를 확인하기 위한 선택입니다.

NPU 이식 계획: 언급하신 Gemma-2b 및 Llama-3-8B(4-bit) 모델은 Google MediaPipe LLM Inference API 및 Qualcomm AI Hub를 활용하여 안드로이드 기기 내 NPU(NPU/GPU)에서 구동되도록 설계 단계에 있습니다.

구현 방향: 특히 개인정보(문자, 메신저 내용)가 외부 서버로 전송되지 않는 'Privacy-Preserving AI' 가치 실현을 위해, 2026년 상반기까지 완전한 온디바이스 환경으로의 전환을 목표로 하고 있습니다.

범용 모델(Base Model)은 보이스피싱 특유의 교묘한 심리적 압박이나 사회공학적 기법을 탐지하는 데 한계가 있음을 인지하고 있습니다.

Fine-tuning 전략: 단순한 키워드 매칭이 아닌, 실제 보이스피싱 피해 사례(통화 녹취록, 스캠 문자 로그) 데이터를 활용하여 LoRA(Low-Rank Adaptation) 기법으로 미세 조정을 진행할 계획입니다.

데이터셋 구축: 1.  Attack Scenario Data: 검찰, 금융기관 사칭 등 정형화된 공격 시나리오.
2.  Social Engineering Patterns: 긴급함 유도, 가족 사칭 등 심리적 트리거 패턴.

성능 최적화: 4-bit Quantization을 적용하더라도 탐지 정확도가 하락하지 않도록, Knowledge Distillation(지식 증류) 기법을 사용하여 상위 모델(Gemini 1.5 Pro 등)의 판단 로직을 SLM에 이식하는 최적화 공정을 거칠 예정입니다.