본 논문은 진화하는 적대적 전술과 이질적인 공격 패턴으로 인해 어려움을 겪는 피싱 이메일 탐지 문제를 해결하기 위해 다중 에이전트 기반의 동적 LLM 시스템인 MultiPhishGuard를 제시합니다. MultiPhishGuard는 텍스트, URL, 메타데이터 분석 에이전트와 설명 단순화 에이전트, 그리고 적대적 에이전트를 포함한 다섯 개의 협력적 에이전트를 사용하며, Proximal Policy Optimization 강화 학습 알고리즘을 통해 에이전트의 의사결정 가중치를 자동으로 조정합니다. 특히, 적대적 에이전트를 통해 미묘한 맥락 인식 이메일 변형을 생성하여 시스템의 강건성을 높이는 적대적 학습 루프를 도입했습니다. 공개 데이터셋을 이용한 실험 결과, MultiPhishGuard는 기존의 Chain-of-Thoughts, 단일 에이전트 기반 시스템 및 최첨단 탐지 시스템보다 뛰어난 성능(정확도 97.89%, 위양성률 2.73%, 위음성률 0.20%)을 보였습니다. 또한, 사용자에게 이메일 분류 이유를 명확하게 설명해주는 설명 단순화 에이전트를 포함하고 있습니다.