Phishing and Scam Prevention Service Proposal Competition

저희 팀이 개발한 서비스도 딥보이스 탐지를 다루고 있어서 방향이 비슷하다고 느꼈는데, 저희와는 다른 모델인 LSTM과 AutoEncoder를 활용한 방식이 새로웠습니다!! 인상 깊게 봤습니다ㅎㅎ 수고하셨어요! 

[추가 설명]

저희팀이 개발한 lstm+ae 모델 구조의 탐지는 다음과 같은 점이 존재합니다.

1.차별성
- 분류문제로 해결하던 딥보이스 연구들은, 너무 많은 학습으로 인한 무거운 모델의 단점이 존재합니다. 이를
정상 데이터만을 학습하여 이상을 탐지하는 기법의 차별성이
존재합니다.

2.상용화
본 모델은, 기존의 분류 학습
모델보다 가벼워, 실 사용화가 가능합니다. 상용 단계에서는 통신사
협업을 통해 실시간으로 퍼센트로 이상을 감지하여 사용자 경고 서비스까지 확장 가능성을 가지고 있습니다.

3.정확성
탐지 모델을 사용하여도, 적은 학습량으로, 이상을 탐지해내는
정확도 실험을 하였습니다. 개인 노트북으로 적은 학습을
통해서도 우수한 성능을 보였습니다.

4.편리함
사용자는 전화 수신후, 수초 이내 별다른 조치없이 피싱 전화임을 알림 받을 수 있습니다.

안녕하세요! 이상 탐지 방법으로의 딥보이스 탐지 접근이 신선하게 느껴졌던 것 같습니다. 특히 음성 데이터의 경우 길이가 길어질수록 생각보다 많은 용량을 요구하는데 적은 데이터 양으로도 실제 활용 가능할 정도로의 정확도를 낼 수 있다는 점도 인상깊었어요! 고생하셨습니다!!!🍀👏