소셜 미디어 플랫폼의 보편화로 인해 악의적인 언어적 은닉술이 증가하여 심각한 보안 위협을 야기한다. 본 논문은 텍스트 단편화와 복잡한 대화 구조로 인한 미묘한 인지적 불일치를 식별하고, 특히 극도로 드문 은닉술과 정교한 은닉술이 주어진 상황에서 다차원적 약한 신호를 강력하게 집계하는 어려움으로 인해 은닉 분석이 크게 방해받는다는 문제를 제기한다. 본 논문은 이러한 어려움을 체계적으로 극복하기 위해 설계된 새로운 방법인 GSDFuse를 소개한다. GSDFuse는 다양한 신호를 포착하기 위한 계층적 다중 모드 특징 엔지니어링, 드문 현상을 해결하기 위한 전략적 데이터 증강, 약한 신호를 지능적으로 집계하기 위한 적응적 증거 융합, 미묘한 불일치에 대한 민감도를 높이기 위한 차별적 임베딩 학습을 상승적으로 통합하는 전체적인 접근 방식을 사용한다. 소셜 미디어 데이터 세트에 대한 실험은 복잡한 대화 환경 내에서 정교한 은닉술을 식별하는 데 있어 GSDFuse의 최첨단(SOTA) 성능을 보여준다. GSDFuse의 소스 코드는 https://github.com/NebulaEmmaZh/GSDFuse 에서 이용 가능하다.