본 논문은 대규모 언어 모델(LLM)을 활용하여 타이포스쿼팅(Typosquatting)을 탐지하는 새로운 방법을 제시합니다. 기존의 타이포스쿼팅 탐지 방법은 알려진 패턴에 의존하여 복잡한 공격을 탐지하는 데 한계가 있었습니다. 본 연구에서는 도메인 특정 데이터가 아닌 문자 단위 변환과 패턴 기반 휴리스틱을 사용하여 LLM을 학습시켜, 더욱 적응력 있고 탄력적인 탐지 메커니즘을 개발했습니다. 실험 결과, Phi-4 14B 모델이 적절한 미세 조정을 통해 수천 개의 학습 샘플만으로 98%의 정확도를 달성하며 다른 모델보다 우수한 성능을 보였습니다. 이는 사이버 보안 분야, 특히 도메인 기반 기만 전술 완화에 LLM의 잠재력을 강조하고, 위협 탐지에 대한 머신러닝 전략 최적화에 대한 통찰력을 제공합니다.
