본 논문은 디지털 커뮤니케이션 플랫폼에서 가짜 상호작용을 탐지하는 새로운 프레임워크를 제안합니다. 기존의 정적 이상 탐지 기법의 한계점인 개념 이동(concept drift)을 악의적인 행위로 오인하는 문제를 해결하기 위해, 두 단계 접근 방식을 사용합니다. 첫 번째 단계에서는 맞춤형 앙상블 분류 모델을 이용하여 의심스러운 대화를 식별하고, 두 번째 단계에서는 One Class Drift Detector (OCDD)를 사용하여 개념 이동을 분석합니다. 개념 이동이 감지되면, 대규모 언어 모델(LLM)이 해당 이동이 사기성 조작인지 또는 정상적인 주제 변경인지 평가합니다. 개념 이동이 감지되지 않으면 스팸으로 간주합니다. 소셜 엔지니어링 채팅 시나리오 데이터셋을 사용하여 프레임워크의 효과를 검증하고, 정확성과 해석성을 개선하는 실용적인 이점을 보여줍니다. 또한, 다른 언어 모델을 사용하여 탐지와 판단을 수행하는 Dual LLM 기준 모델과 비교하여 장단점을 분석합니다.
