KR102390412B1 - Ai-based anti-phishing chatbot system - Google Patents

Abstract

Provided is an artificial intelligence (AI)-based anti-phishing chatbot system to reduce intimidation inflicted on a victim. According to an embodiment of the present invention, the anti-phishing chatbot system comprises: a pre-processing unit receiving raw data including perpetrator information and a chat log from a first terminal and pre-processing the raw data to generate processed data; an intelligent conversation learning unit receiving the processed data to generate a learning text learned on the basis of the processed data; a database storing manually input text and the learning text; a third terminal in which an Android application package file (APK) received through a chatting interface from a second terminal different from the first terminal is installed; and an intelligent dialogue solution generation unit generating output text on the basis of text stored in the database and transmitting the output text to the third terminal. The intelligent dialog solution generation unit outputs a reactant value on the basis of the number of times when the output text is transmitted to the third terminal. The intelligent dialog learning unit outputs a pre-seed value on the basis of the learning text and the reactant value, generates an operation stop signal controlling the intelligent dialog solution generation unit not to generate the output text when the number of pre-seeds exceeds a first threshold value, and performs control to allow the intelligent dialog solution generation unit to generate the output text when the number of pre-seeds does not exceed the first threshold value.

Description

인공지능 기반의 피싱 대응 챗봇 시스템{AI-BASED ANTI-PHISHING CHATBOT SYSTEM}AI-based phishing response chatbot system {AI-BASED ANTI-PHISHING CHATBOT SYSTEM}

본 발명의 실시예들은 피싱 대응 챗봇 시스템에 관한 것으로, 보다 구체적으로는 인공지능을 기반으로 몸캠 피싱에 자동으로 대응하는 챗봇에 대한 것이다.Embodiments of the present invention relate to a phishing response chatbot system, and more particularly, to a chatbot that automatically responds to body cam phishing based on artificial intelligence.

통신 기술이 발전하면서 통신 기술을 악용한 다양한 사이버 범죄 또한 증가하고 있다. 몸캠 피싱이란, 최근 빈번하게 발생하고 있는 통신매체이용음란죄의 일 유형으로, 신체를 촬영한 영상이라는 의미의 '몸캠'과 피싱의 합성어이다. As communication technology develops, various cyber crimes that exploit communication technology are also increasing. Body cam phishing is a type of pornography using communication media that is frequently occurring recently. It is a compound word of 'body cam' and phishing, meaning an image of the body.

일반적으로 모바일 기기는 어플리케이션을 통해 사용자로부터 다양한 정보를 수집한다. 몸캠 피싱은 가해자가 피해자에게 화상 채팅을 하자고 접근한 후, 피해자에게 악성 어플리케이션 설치를 유도하고 어플리케이션을 통해 피해자의 사진, 연락처 등 다양한 데이터를 무단으로 수집한다. 피해자 단말에서 피해자의 개인 정보와 연락처를 탈취하고, 사용자의 신체 일부를 녹화하여 이를 유포하겠다고 협박하는 방법으로 범죄가 행해지게 된다.In general, a mobile device collects various information from a user through an application. In body cam phishing, the assailant approaches the victim to have a video chat, then induces the victim to install a malicious application and collects various data such as photos and contact information of the victim without permission through the application. The crime is committed by stealing the victim's personal information and contact information from the victim terminal, and threatening to record and distribute the user's body part.

일단 피해자의 개인 정보 및 연락처가 가해자에게 전송된 경우, 피해자는 가해자의 지속적인 협박에 노출될 수밖에 없다. 따라서 가해자의 협박을 회피하기 위한 기술의 필요성이 대두되고 있다.Once the victim's personal information and contact information are transmitted to the perpetrator, the victim is inevitably exposed to the perpetrator's constant threats. Therefore, the need for technology to avoid threats from the perpetrator is emerging.

위에서 설명한 배경기술은 발명자가 본원의 개시 내용을 도출하는 과정에서 보유하거나 습득한 것으로서, 반드시 본 출원 전에 일반 공중에 공개된 공지기술이라고 할 수는 없다. The background art described above is possessed or acquired by the inventor in the process of deriving the disclosure of the present application, and cannot necessarily be said to be a known technology disclosed to the general public prior to the present application.

실시예들은, 몸캠 피싱 피해자에 대한 가해자의 포커싱(focusing)을 분산시킴으로써 피해자에게 가해지는 협박을 줄일 수 있다. Embodiments may reduce intimidation given to the victim by dispersing the perpetrator's focus on the bodycam phishing victim.

실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.Technical problems to be achieved in the embodiments are not limited to those mentioned above, and other technical problems not mentioned may be considered by those of ordinary skill in the art from various embodiments to be described below. can

본 발명의 몇몇 실시예에 따른 피싱 대응 챗봇 시스템은, 제1 단말로부터 가해자 정보, 채팅 로그를 포함하는 로우 데이터를 제공받고, 상기 로우 데이터를 사전처리(Preprocessing)하여 가공 데이터를 생성하는 사전처리부; 상기 가공 데이터를 제공받고, 상기 가공 데이터를 기초로 학습된 학습 텍스트를 생성하는 지능형 대화 학습부; 수동으로 입력된 입력 텍스트와, 상기 학습 텍스트를 저장하는 데이터베이스; 상기 제1 단말과는 다른 제2 단말로부터 채팅 인터페이스를 통해 전달받은 안드로이드 어플리케이션 패키지 파일(Android application package file, APK)이 설치되는 제3 단말; 및 상기 데이터베이스에 저장된 텍스트를 기초로 출력 텍스트를 생성하고, 상기 출력 텍스트를 상기 제3 단말에 송신하는 지능형 대화 솔루션 생성부;를 포함하되, 상기 지능형 대화 솔루션 생성부는, 상기 제3 단말에 상기 출력 텍스트를 전달한 횟수에 기초하여 리액턴트 값을 출력하고, 상기 지능형 대화 학습부는, 상기 학습 텍스트와, 상기 리액턴트 값을 기초로 프리시드 수치를 출력하고, 상기 프리시드 수치가 제1 임계치를 초과하는 경우, 상기 지능형 대화 솔루션 생성부가 상기 출력 텍스트를 생성하지 않도록 제어하는 동작 중단 신호를 생성하고, 상기 프리시드 수치가 상기 제1 임계치를 초과하지 않는 경우, 상기 지능형 대화 솔루션 생성부가 상기 출력 텍스트를 생성하도록 제어할 수 있다.A phishing response chatbot system according to some embodiments of the present invention includes: a preprocessor configured to receive raw data including perpetrator information and a chat log from a first terminal, and preprocess the raw data to generate processed data; an intelligent conversation learning unit that receives the processed data and generates a learned learning text based on the processed data; a database for storing manually inputted text and the training text; a third terminal in which an Android application package file (APK) received through a chatting interface from a second terminal different from the first terminal is installed; and an intelligent conversation solution generation unit that generates an output text based on the text stored in the database and transmits the output text to the third terminal, wherein the intelligent dialogue solution generation unit outputs the output text to the third terminal Outputs a reactant value based on the number of times the text is delivered, and the intelligent conversation learning unit outputs a preset value based on the learning text and the reactant value, and the preset value exceeds a first threshold. In this case, the intelligent dialogue solution generating unit generates an operation stop signal for controlling not to generate the output text, and when the preset value does not exceed the first threshold, the intelligent dialogue solution generating unit generates the output text can be controlled to do so.

상기 사전처리부는, 상기 로우 데이터에서 이미지 파일과 비디오 파일을 분류하고, 객체 이미지 추출 모델을 이용하여, 상기 이미지 파일과 상기 비디오 파일에서 각각 객체 이미지를 추출하고, 상기 객체 이미지의 객체 정보 및 분류 정보를 포함하는 상기 메타 데이터를 생성하고, 상기 가해자 정보에서 아이디, 전화번호, 이메일, 성명, 닉네임 중 적어도 하나를 포함하는 가해자 식별 정보를 추출하고, 상기 지능형 대화 학습부는, 상기 가해자 식별 정보를 더 입력받고, 상기 가해자 식별 정보와 상기 가공 데이터 중 텍스트 데이터를 기초로 하여 상기 학습 텍스트를 출력할 수 있다.The preprocessor classifies an image file and a video file from the raw data, extracts an object image from the image file and the video file, respectively, using an object image extraction model, and object information and classification information of the object image generates the metadata including, and extracts perpetrator identification information including at least one of ID, phone number, e-mail, name, and nickname from the perpetrator information, and the intelligent conversation learning unit further inputs the perpetrator identification information and output the training text based on the text data among the perpetrator identification information and the processed data.

[수학식][Equation]

상기 프리시드 수치는 상기 수학식을 따르고, T는 상기 프리시드 수치, v_react는 상기 리액턴트 값, S는 상기 학습 텍스트의 가공률, p는 상기 학습 텍스트를 식별하는 자연수를 나타낼 수 있다.The preseed value may follow the above equation, T may represent the preseed value, v_react may represent the reactant value, S may represent a processing rate of the training text, and p may represent a natural number identifying the training text.

[수학식][Equation]

상기 리액턴트 값은 상기 수학식을 따르고, N_sent는 상기 제3 단말의 대응 횟수일 수 있다.The reactant value follows the above equation, and N_sent may be the number of times the third terminal responds.

상기 가공 데이터는 상기 채팅 로그의 자연어 대화 내역을 가공하여 생성한 텍스트 데이터, 상기 채팅 로그에서 송/수신된 이미지를 가공하여 생성한 이미지 데이터, 및 상기 이미지 데이터의 식별 정보를 포함하는 메타 데이터를 포함하고, 상기 지능형 대화 학습부는, 상기 텍스트 데이터를 기초로 상기 학습 텍스트를 생성할 수 있다.The processed data includes text data generated by processing the natural language conversation history of the chat log, image data generated by processing images transmitted/received from the chat log, and metadata including identification information of the image data and the intelligent conversation learning unit may generate the training text based on the text data.

상기 제3 단말은, 프로세서; 외부에 전달되는 알림 신호를 생성하는 알림 생성부; 및 상기 안드로이드 어플리케이션 패키지 파일이 설치되는 메모리;를 포함하고, 상기 프로세서는, 상기 안드로이드 어플리케이션 패키지 파일의 동작 신호를 감지하는 경우, 상기 동작 신호에 응답하여, 상기 안드로이드 어플리케이션 패키지 파일의 전송 요청에 의해 상기 제2 단말로 전송되는 데이터 패킷의 전송을 차단하고, 상기 알림 생성부는, 상기 동작 신호에 응답하여, 알림 신호를 생성할 수 있다.The third terminal may include a processor; a notification generator generating a notification signal transmitted to the outside; and a memory in which the Android application package file is installed, wherein, when detecting an operation signal of the Android application package file, the processor responds to the operation signal by requesting transmission of the Android application package file. The transmission of the data packet transmitted to the second terminal may be blocked, and the notification generating unit may generate a notification signal in response to the operation signal.

상기 지능형 대화 학습부는 텍스트 학습 모델을 포함하고, 상기 텍스트 학습 모델은, 상기 가공 데이터와 상기 입력 텍스트를 입력받고, 상기 가공 데이터 중 텍스트 데이터와 상기 입력 텍스트를 비교하고, 상기 비교 결과를 기초로 상기 학습 텍스트를 출력할 수 있다.The intelligent conversation learning unit includes a text learning model, wherein the text learning model receives the processed data and the input text, compares the text data among the processed data with the input text, and based on the comparison result, the You can print the training text.

상기 텍스트 학습 모델은 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고, 학습 텍스트 및 정답 입력 텍스트로 구성된 복수의 학습 데이터는 상기 텍스트 학습 모델의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 텍스트 학습 모델의 파라미터는 상기 손실값이 작아지는 방향으로 학습되고,The text learning model includes an input layer, one or more hidden layers, and an output layer, and a plurality of training data consisting of training text and correct input text are input to the input layer of the text learning model, and the one or more hidden layers and output Outputs an output vector through the layer, the output vector is input to a loss function layer connected to the output layer, and the loss function layer uses a loss function that compares the output vector with the correct vector for each training data. to output a loss value, and the parameters of the text learning model are learned in a direction in which the loss value becomes smaller,

[수학식][Equation]

상기 손실 함수는 상기 수학식을 따르고, 상기 수학식에서, N은 상기 복수의 학습 데이터의 수, n은 학습 데이터를 식별하는 자연수, k는 n번째 학습 데이터의 값을 식별하는 자연수, nk는 n번째 학습 데이터의 k번째 값을 의미하고, t는 정답 데이터를 의미하고, y는 상기 출력 벡터를 의미하고, E는 손실값을 의미할 수 있다.The loss function follows the above equation, where N is the number of the plurality of training data, n is a natural number identifying the training data, k is a natural number identifying the value of the nth training data, nk is the nth It may mean the k-th value of the training data, t may mean correct answer data, y may mean the output vector, and E may mean a loss value.

실시예들에 따르면, 가해자가 피해자에게 가하는 포커싱을 자동 챗봇 시스템을 통해 분산시킴으로써 피해자가 가해자의 협박으로부터 쉽게 벗어날 수 있도록 할 수 있다.According to embodiments, by dispersing the focus that the perpetrator applies to the victim through the automatic chatbot system, the victim can easily escape from the perpetrator's intimidation.

실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.Effects obtainable from the embodiments are not limited to the effects mentioned above, and other effects not mentioned are clearly derived and understood by those of ordinary skill in the art based on the detailed description below. can be

실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 피싱 대응 챗봇 시스템의 구성을 나타내는 블록도이다.
도 4는 도 3의 제3 단말을 설명하기 위한 블록도이다.
도 5는 본 발명의 일 실시예에 따른 피싱 대응 챗봇 시스템의 동작을 설명하기 위한 흐름도이다.
도 6은 제3 단말의 채팅 인터페이스를 예시적으로 도시한 도면이다.
도 7은 사전처리부의 로우 데이터 사전 처리 과정을 설명하기 위한 흐름도이다.BRIEF DESCRIPTION OF THE DRAWINGS The accompanying drawings, which are included as part of the detailed description to aid understanding of the embodiments, provide various embodiments and, together with the detailed description, explain technical features of the various embodiments.
1 is a diagram illustrating a configuration of an electronic device according to an exemplary embodiment.
2 is a diagram showing the configuration of a program according to an embodiment.
3 is a block diagram illustrating a configuration of a phishing response chatbot system according to an embodiment.
FIG. 4 is a block diagram illustrating a third terminal of FIG. 3 .
5 is a flowchart illustrating an operation of a phishing-response chatbot system according to an embodiment of the present invention.
6 is a diagram exemplarily illustrating a chatting interface of a third terminal.
7 is a flowchart illustrating a raw data pre-processing process of the pre-processing unit.

이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.The following embodiments combine elements and features of the embodiments in a predetermined form. Each component or feature may be considered optional unless explicitly stated otherwise. Each component or feature may be implemented in a form that is not combined with other components or features. In addition, various embodiments may be configured by combining some components and/or features. The order of operations described in various embodiments may be changed. Some features or features of one embodiment may be included in another embodiment, or may be replaced with corresponding features or features of another embodiment.

도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.In the description of the drawings, procedures or steps that may obscure the gist of various embodiments are not described, and procedures or steps that can be understood at the level of those of ordinary skill in the art are also not described. did

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.Throughout the specification, when a part is said to "comprising or including" a certain component, it does not exclude other components unless otherwise stated, meaning that other components may be further included. do. In addition, terms such as "...unit", "...group", and "module" described in the specification mean a unit that processes at least one function or operation, which is hardware or software or a combination of hardware and software. can be implemented as Also, "a or an," "one," "the," and like related terms are used herein in the context of describing various embodiments (especially in the context of the claims that follow). Unless indicated otherwise or clearly contradicted by context, it may be used in a sense including both the singular and the plural.

이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.Hereinafter, embodiments according to various embodiments will be described in detail with reference to the accompanying drawings. DETAILED DESCRIPTION The detailed description set forth below in conjunction with the appended drawings is intended to describe exemplary embodiments of various embodiments, and is not intended to represent the only embodiments.

또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.In addition, specific terms used in various embodiments are provided to help the understanding of various embodiments, and the use of these specific terms may be changed to other forms without departing from the technical spirit of various embodiments. .

도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.1 is a diagram illustrating a configuration of an electronic device according to an exemplary embodiment.

도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.1 is a block diagram of an electronic device 101 in a network environment 100 according to various embodiments. Referring to FIG. 1 , in a network environment 100 , an electronic device 101 communicates with an electronic device 102 through a first network 198 (eg, a short-range wireless communication network) or a second network 199 . It may communicate with at least one of the electronic device 104 and the server 108 through (eg, a long-distance wireless communication network). According to an embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108 . According to an embodiment, the electronic device 101 includes a processor 120 , a memory 130 , an input module 150 , a sound output module 155 , a display module 160 , an audio module 170 , and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or an antenna module 197 may be included. In some embodiments, at least one of these components (eg, the connection terminal 178 ) may be omitted or one or more other components may be added to the electronic device 101 . In some embodiments, some of these components (eg, sensor module 176 , camera module 180 , or antenna module 197 ) are integrated into one component (eg, display module 160 ). can be The electronic device 101 may also be referred to as a client, a terminal, or a peer.

프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.The processor 120, for example, executes software (eg, a program 140) to execute at least one other component (eg, a hardware or software component) of the electronic device 101 connected to the processor 120 . It can control and perform various data processing or operations. According to one embodiment, as at least part of data processing or operation, the processor 120 converts commands or data received from other components (eg, the sensor module 176 or the communication module 190 ) to the volatile memory 132 . may be stored in the volatile memory 132 , and may process commands or data stored in the volatile memory 132 , and store the result data in the non-volatile memory 134 . According to an embodiment, the processor 120 is the main processor 121 (eg, a central processing unit or an application processor) or a secondary processor 123 (eg, a graphic processing unit, a neural network processing unit) a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor). For example, when the electronic device 101 includes the main processor 121 and the sub-processor 123 , the sub-processor 123 may use less power than the main processor 121 or may be set to be specialized for a specified function. can The auxiliary processor 123 may be implemented separately from or as a part of the main processor 121 .

보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다. The auxiliary processor 123 is, for example, on behalf of the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or the main processor 121 is active (eg, executing an application). ), together with the main processor 121, at least one of the components of the electronic device 101 (eg, the display module 160, the sensor module 176, or the communication module 190) It is possible to control at least some of the related functions or states. According to an embodiment, the co-processor 123 (eg, an image signal processor or a communication processor) may be implemented as part of another functionally related component (eg, the camera module 180 or the communication module 190). there is. According to an embodiment, the auxiliary processor 123 (eg, a neural network processing device) may include a hardware structure specialized for processing an artificial intelligence model. Artificial intelligence models can be created through machine learning. Such learning may be performed, for example, in the electronic device 101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (eg, the server 108). The learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but in the above example not limited The artificial intelligence model may include a plurality of artificial neural network layers. Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the above example. The artificial intelligence model may include, in addition to, or alternatively, a software structure in addition to the hardware structure.

메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다. The memory 130 may store various data used by at least one component of the electronic device 101 (eg, the processor 120 or the sensor module 176 ). The data may include, for example, input data or output data for software (eg, the program 140 ) and instructions related thereto. The memory 130 may include a volatile memory 132 or a non-volatile memory 134 .

프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다. The program 140 may be stored as software in the memory 130 , and may include, for example, an operating system 142 , middleware 144 , or an application 146 .

입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다. The input module 150 may receive a command or data to be used in a component (eg, the processor 120 ) of the electronic device 101 from the outside (eg, a user) of the electronic device 101 . The input module 150 may include, for example, a microphone, a mouse, a keyboard, a key (eg, a button), or a digital pen (eg, a stylus pen).

음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.The sound output module 155 may output a sound signal to the outside of the electronic device 101 . The sound output module 155 may include, for example, a speaker or a receiver. The speaker can be used for general purposes such as multimedia playback or recording playback. The receiver may be used to receive an incoming call. According to one embodiment, the receiver may be implemented separately from or as part of the speaker.

디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다. The display module 160 may visually provide information to the outside (eg, a user) of the electronic device 101 . The display module 160 may include, for example, a control circuit for controlling a display, a hologram device, or a projector and a corresponding device. According to an embodiment, the display module 160 may include a touch sensor configured to sense a touch or a pressure sensor configured to measure the intensity of a force generated by the touch.

오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.The audio module 170 may convert a sound into an electric signal or, conversely, convert an electric signal into a sound. According to an embodiment, the audio module 170 acquires a sound through the input module 150 , or an external electronic device (eg, a sound output module 155 ) connected directly or wirelessly with the electronic device 101 . A sound may be output through the electronic device 102 (eg, a speaker or headphones).

센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다. The sensor module 176 detects an operating state (eg, power or temperature) of the electronic device 101 or an external environmental state (eg, user state), and generates an electrical signal or data value corresponding to the sensed state. can do. According to an embodiment, the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, a humidity sensor, or an illuminance sensor.

인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.The interface 177 may support one or more designated protocols that may be used by the electronic device 101 to directly or wirelessly connect with an external electronic device (eg, the electronic device 102 ). According to an embodiment, the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.

연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.The connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102 ). According to an embodiment, the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).

햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.The haptic module 179 may convert an electrical signal into a mechanical stimulus (eg, vibration or movement) or an electrical stimulus that the user can perceive through tactile or kinesthetic sense. According to an embodiment, the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.

카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.The camera module 180 may capture still images and moving images. According to an embodiment, the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.

전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.The power management module 188 may manage power supplied to the electronic device 101 . According to an embodiment, the power management module 188 may be implemented as, for example, at least a part of a power management integrated circuit (PMIC).

배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.The battery 189 may supply power to at least one component of the electronic device 101 . According to one embodiment, battery 189 may include, for example, a non-rechargeable primary cell, a rechargeable secondary cell, or a fuel cell.

통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다. The communication module 190 is a direct (eg, wired) communication channel or a wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). It can support establishment and communication performance through the established communication channel. The communication module 190 may include one or more communication processors that operate independently of the processor 120 (eg, an application processor) and support direct (eg, wired) communication or wireless communication. According to one embodiment, the communication module 190 is a wireless communication module 192 (eg, a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, : It may include a LAN (local area network) communication module, or a power line communication module). A corresponding communication module among these communication modules is a first network 198 (eg, a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (eg, legacy It may communicate with the external electronic device 104 through a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (eg, a telecommunication network such as a LAN or a WAN). These various types of communication modules may be integrated into one component (eg, a single chip) or may be implemented as a plurality of components (eg, multiple chips) separate from each other. The wireless communication module 192 uses the subscriber information (eg, International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199 . The electronic device 101 may be identified or authenticated.

무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.The wireless communication module 192 may support a 5G network after a 4G network and a next-generation communication technology, for example, a new radio access technology (NR). NR access technology includes high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency) -latency communications)). The wireless communication module 192 may support a high frequency band (eg, mmWave band) to achieve a high data rate, for example. The wireless communication module 192 includes various technologies for securing performance in a high-frequency band, for example, beamforming, massive multiple-input and multiple-output (MIMO), all-dimensional multiplexing. It may support technologies such as full dimensional MIMO (FD-MIMO), an array antenna, analog beam-forming, or a large scale antenna. The wireless communication module 192 may support various requirements specified in the electronic device 101 , an external electronic device (eg, the electronic device 104 ), or a network system (eg, the second network 199 ). According to an embodiment, the wireless communication module 192 may include a peak data rate (eg, 20 Gbps or more) for realizing eMBB, loss coverage (eg, 164 dB or less) for realizing mMTC, or U-plane latency for realizing URLLC ( Example: downlink (DL) and uplink (UL) each 0.5 ms or less, or round trip 1 ms or less).

안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다. The antenna module 197 may transmit or receive a signal or power to the outside (eg, an external electronic device). According to an embodiment, the antenna module 197 may include an antenna including a conductor formed on a substrate (eg, a PCB) or a radiator formed of a conductive pattern. According to an embodiment, the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected from the plurality of antennas by, for example, the communication module 190 . can be selected. A signal or power may be transmitted or received between the communication module 190 and an external electronic device through the selected at least one antenna. According to some embodiments, other components (eg, a radio frequency integrated circuit (RFIC)) other than the radiator may be additionally formed as a part of the antenna module 197 .

다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.According to various embodiments, the antenna module 197 may form a mmWave antenna module. According to one embodiment, the mmWave antenna module comprises a printed circuit board, an RFIC disposed on or adjacent to a first side (eg, bottom side) of the printed circuit board and capable of supporting a designated high frequency band (eg, mmWave band); and a plurality of antennas (eg, an array antenna) disposed on or adjacent to a second side (eg, top or side) of the printed circuit board and capable of transmitting or receiving signals of the designated high frequency band. can do.

상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.At least some of the components are connected to each other through a communication method between peripheral devices (eg, a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)) and a signal ( eg commands or data) can be exchanged with each other.

일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다. According to an embodiment, the command or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199 . Each of the external electronic devices 102 or 104 may be the same as or different from the electronic device 101 . According to an embodiment, all or a part of operations executed in the electronic device 101 may be executed in one or more external electronic devices 102 , 104 , or 108 . For example, when the electronic device 101 is to perform a function or service automatically or in response to a request from a user or other device, the electronic device 101 may perform the function or service itself instead of executing the function or service itself. Alternatively or additionally, one or more external electronic devices may be requested to perform at least a part of the function or the service. One or more external electronic devices that have received the request may execute at least a part of the requested function or service, or an additional function or service related to the request, and transmit a result of the execution to the electronic device 101 . The electronic device 101 may process the result as it is or additionally and provide it as at least a part of a response to the request. For this, for example, cloud computing, distributed computing, mobile edge computing (MEC), or client-server computing technology may be used. The electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing. In another embodiment, the external electronic device 104 may include an Internet of things (IoT) device. Server 108 may be an intelligent server using machine learning and/or neural networks. According to an embodiment, the external electronic device 104 or the server 108 may be included in the second network 199 . The electronic device 101 may be applied to an intelligent service (eg, smart home, smart city, smart car, or health care) based on 5G communication technology and IoT-related technology.

서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 왑 서버(WAP Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Visual Basic, Visual C 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 도스(DOS), 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 웹사이트(Website), IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH등이 이용될 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.The server 108 is connected to the electronic device 101 and may provide a service to the connected electronic device 101 . In addition, the server 108 may store and manage various types of information of users who have joined as members by performing a membership registration procedure, and may provide various purchase and payment functions related to services. Also, the server 108 may share execution data of a service application executed in each of the plurality of electronic devices 101 in real time so that the service can be shared among users. The server 108 may have the same configuration as a typical web server (Web Server) or WAP server (WAP Server) in terms of hardware. However, in terms of software, it may include a program module that is implemented through any language, such as C, C++, Java, Visual Basic, or Visual C, and performs various functions. In addition, the server 108 is generally connected to an unspecified number of clients and/or other servers through an open computer network such as the Internet, receives a request for performing a task from a client or other server, and derives and provides the work result. It means a computer system and the computer software (server program) installed therefor. In addition, the server 108, in addition to the above-described server program, a series of application programs (Application Program) operating on the server 108 and in some cases, various databases (DB: Database, hereinafter " It should be understood as a broad concept including "DB". Accordingly, the server 108 categorizes member registration information, various information and data about the game, stores and manages it in a DB, and this DB may be implemented inside or outside the server 108 . In addition, the server 108 uses a server program that is provided in various ways according to operating systems such as DOS, Windows, Linux, UNIX, and Macintosh in general server hardware. As a representative example, a website used in a Windows environment, Internet Information Server (IIS), and CERN, NCSA, APPACH, etc. used in a Unix environment may be used. In addition, the server 108 may interwork with an authentication system and a payment system for user authentication of a service or a purchase payment related to a service.

제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.The first network 198 and the second network 199 are a connection structure capable of exchanging information between respective nodes such as terminals and servers, or a network connecting the server 108 and the electronic devices 101 and 104 . (Network). The first network 198 and the second network 199 may include the Internet, a local area network (LAN), a wireless local area network (Wireless LAN), a wide area network (WAN), a personal area network (PAN), and 3G. , 4G, LTE, 5G, Wi-Fi, and the like. The first network 198 and the second network 199 may be the closed first network 198 and the second network 199 such as a LAN or WAN, but preferably an open type such as the Internet. The Internet is a TCP/IP protocol and several services existing in its upper layers, namely HTTP (HyperText Transfer Protocol), Telnet, FTP (File Transfer Protocol), DNS (Domain Name System), SMTP (Simple Mail Transfer Protocol), SNMP ( Simple Network Management Protocol), NFS (Network File Service), and NIS (Network Information Service) refer to the structure of the worldwide open computer first network 198 and second network 199 .

데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.The database may have a general data structure implemented in a storage space (hard disk or memory) of a computer system using a database management program (DBMS). The database may have a data storage form in which data can be freely searched (extracted), deleted, edited, added, and the like. Database is a relational database management system (RDBMS) such as Oracle, Infomix, Sybase, DB2, or object-oriented database management such as Gemston, Orion, O2, etc. It can be implemented for the purpose of an embodiment of the present disclosure by using a system (OODBMS) and an XML native database such as Excelon, Tamino, and Sekaiju, and its function It may have an appropriate field or elements to achieve .

도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.2 is a diagram showing the configuration of a program according to an embodiment.

도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다. 2 is a block diagram 200 illustrating a program 140 in accordance with various embodiments. According to an embodiment, the program 140 executes an operating system 142 for controlling one or more resources of the electronic device 101 , middleware 144 , or an application 146 executable in the operating system 142 . may include Operating system 142 may include, for example, Android™, iOS™, Windows™, Symbian™, Tizen™, or Bada™. At least some of the programs 140 are, for example, preloaded into the electronic device 101 at the time of manufacture, or an external electronic device (eg, the electronic device 102 or 104 ), or a server (eg, the electronic device 102 or 104 ) when used by a user ( 108)) or may be updated. All or part of the program 140 may include a neural network.

운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.The operating system 142 may control management (eg, allocation or retrieval) of one or more system resources (eg, a process, memory, or power) of the electronic device 101 . The operating system 142 may additionally or alternatively include other hardware devices of the electronic device 101 , for example, the input module 150 , the sound output module 155 , the display module 160 , and the audio module 170 . , sensor module 176 , interface 177 , haptic module 179 , camera module 180 , power management module 188 , battery 189 , communication module 190 , subscriber identification module 196 , or It may include one or more driver programs for driving the antenna module 197 .

미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다. The middleware 144 may provide various functions to the application 146 so that functions or information provided from one or more resources of the electronic device 101 may be used by the application 146 . The middleware 144 includes, for example, an application manager 201 , a window manager 203 , a multimedia manager 205 , a resource manager 207 , a power manager 209 , a database manager 211 , and a package manager 213 . ), a connectivity manager 215 , a notification manager 217 , a location manager 219 , a graphics manager 221 , a security manager 223 , a call manager 225 , or a voice recognition manager 227 . can

어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.The application manager 201 may manage the life cycle of the application 146 , for example. The window manager 203 may manage one or more GUI resources used in the screen, for example. The multimedia manager 205, for example, identifies one or more formats required for playback of media files, and encodes or decodes a corresponding media file among the media files using a codec suitable for the selected format. can be done The resource manager 207 may manage the space of the source code of the application 146 or the memory of the memory 130 , for example. The power manager 209 may, for example, manage the capacity, temperature, or power of the battery 189 , and determine or provide related information necessary for the operation of the electronic device 101 by using the corresponding information. . According to an embodiment, the power manager 209 may interwork with a basic input/output system (BIOS) (not shown) of the electronic device 101 .

데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다. The database manager 211 may create, retrieve, or change a database to be used by the application 146 , for example. The package manager 213 may manage installation or update of an application distributed in the form of a package file, for example. The connectivity manager 215 may manage, for example, a wireless connection or a direct connection between the electronic device 101 and an external electronic device. The notification manager 217 may provide, for example, a function for notifying the user of the occurrence of a specified event (eg, an incoming call, a message, or an alarm). The location manager 219 may manage location information of the electronic device 101 , for example. The graphic manager 221 may manage, for example, one or more graphic effects to be provided to a user or a user interface related thereto.

시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.Security manager 223 may provide, for example, system security or user authentication. The telephony manager 225 may manage, for example, a voice call function or a video call function provided by the electronic device 101 . The voice recognition manager 227, for example, transmits the user's voice data to the server 108, based at least in part on the voice data, a command corresponding to a function to be performed in the electronic device 101; Alternatively, the converted text data may be received from the server 108 based at least in part on the voice data. According to an embodiment, the middleware 244 may dynamically delete some existing components or add new components. According to an embodiment, at least a portion of the middleware 144 may be included as a part of the operating system 142 or implemented as software separate from the operating system 142 .

어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다. Application 146 includes, for example, home 251 , dialer 253 , SMS/MMS 255 , instant message (IM) 257 , browser 259 , camera 261 , alarm 263 . , contacts 265, voice recognition 267, email 269, calendar 271, media player 273, album 275, watch 277, health 279 (such as exercise or blood sugar) measuring biometric information), or environmental information 281 (eg, measuring atmospheric pressure, humidity, or temperature information). According to an embodiment, the application 146 may further include an information exchange application (not shown) capable of supporting information exchange between the electronic device 101 and an external electronic device. The information exchange application may include, for example, a notification relay application configured to transmit specified information (eg, call, message, or alarm) to an external electronic device, or a device management application configured to manage the external electronic device. there is. The notification relay application, for example, transmits notification information corresponding to a specified event (eg, mail reception) generated in another application (eg, the email application 269 ) of the electronic device 101 to the external electronic device. can Additionally or alternatively, the notification relay application may receive notification information from the external electronic device and provide it to the user of the electronic device 101 .

장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.The device management application is, for example, a power supply (eg, turn-on or turn-off) of an external electronic device or some component thereof (eg, a display module or a camera module of the external electronic device) that communicates with the electronic device 101 . ) or a function (eg brightness, resolution, or focus). The device management application may additionally or alternatively support installation, deletion, or update of an application operating in an external electronic device.

이하에서는 본 발명의 피싱 대응 챗봇 시스템의 구조 및 동작에 대하여 상세히 설명한다.Hereinafter, the structure and operation of the phishing-response chatbot system of the present invention will be described in detail.

도 3은 일 실시예에 따른 피싱 대응 챗봇 시스템의 구성을 나타내는 블록도이다.3 is a block diagram illustrating a configuration of a phishing response chatbot system according to an embodiment.

피싱 대응 챗봇 시스템(10)의 피싱 대응 챗봇 서버(300)는 하드웨어적으로 통상적인 웹서버(Web Server) 또는 네트워크 서버와 동일한 하드웨어 모듈을 포함할 수 있다. 피싱 대응 챗봇 서버(300)는 웹서버 또는 네트워크 서버의 형태로 구현될 수도 있고, 유형의 저장 장치 내부에 구축되어 있는 각종 데이터베이스를 포함하여 웹서버상에서 동작하는 일련의 응용 프로그램(Application Program)으로 구현될 수도 있다. 따라서 피싱 대응 챗봇 서버(300)는 전술한 내용 중 어느 하나의 형태로 국한되지 않는 넓은 개념으로 이해되어야 할 것이다.The phishing-response chatbot server 300 of the phishing-response chatbot system 10 may include a hardware module identical to that of a typical web server or network server in hardware. The phishing-response chatbot server 300 may be implemented in the form of a web server or a network server, and is implemented as a series of application programs operating on the web server including various databases built inside the tangible storage device. it might be Therefore, the phishing-response chatbot server 300 should be understood as a broad concept that is not limited to any one of the above-described contents.

피싱 대응 챗봇 서버(300)는 네트워크(700)를 통해 불특정 다수의 단말 또는 다른 서버와 통신할 수 있다.The phishing response chatbot server 300 may communicate with an unspecified number of terminals or other servers through the network 700 .

피싱 대응 챗봇 서버(300)는 네트워크(700)를 통해 제1 단말(400)로부터 로우 데이터를 수신할 수 있다. 로우 데이터는 가해자 정보, 채팅 로그를 포함하는 데이터 패킷을 의미할 수 있다. 또한 피싱 대응 챗봇 서버(300)는 네트워크(700)를 통해 제3 단말(600)에 출력 텍스트를 송신할 수 있다.The phishing response chatbot server 300 may receive raw data from the first terminal 400 through the network 700 . Raw data may mean a data packet including perpetrator information and a chat log. Also, the phishing-response chatbot server 300 may transmit the output text to the third terminal 600 through the network 700 .

피싱 대응 챗봇 서버(300)는 사전처리부(310), 데이터베이스(320), 챗봇 프로세서(330), 채팅 인터페이스 제공부(340), 지능형 대화 학습부(350), 지능형 대화 솔루션 생성부(360)를 포함할 수 있다.The phishing response chatbot server 300 includes a preprocessor 310, a database 320, a chatbot processor 330, a chat interface providing unit 340, an intelligent conversation learning unit 350, and an intelligent conversation solution generating unit 360. may include

피싱 대응 챗봇 서버(300)에 포함된 각 구성요소는 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작할 수 있다. 이러한 구성요소는 하나 이상의 통신 버스 또는 신호선을 이용하여 통신할 수 있다. 피싱 대응 챗봇 서버(300)의 각 구성요소는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 소프트웨어적인 모듈, 하드웨어적인 모듈 또는 소프트웨어와 하드웨어의 결합으로 구현될 수 있다.Each component included in the phishing-response chatbot server 300 may be connected to a communication path that connects a software module or a hardware module inside the device to operate organically with each other. These components may communicate using one or more communication buses or signal lines. Each component of the phishing-response chatbot server 300 means a unit that processes at least one function or operation, and may be implemented as a software module, a hardware module, or a combination of software and hardware.

사전처리부(310)는 네트워크(700)를 통해 제1 단말(400)로부터 가해자 정보, 채팅 로그를 포함하는 로우 데이터를 제공받을 수 있다. 사전처리부(310)는 제1 단말로부터 제공받은 로우 데이터를 사전처리(Preprocessing)하여 가공 데이터를 생성할 수 있다. The preprocessor 310 may receive raw data including perpetrator information and a chat log from the first terminal 400 through the network 700 . The preprocessor 310 may generate processed data by preprocessing the raw data provided from the first terminal.

사전처리부(310)는 로우 데이터에 포함된 가해자 정보에서 아이디, 전화번호, 이메일, 성명, 닉네임 중 적어도 하나를 포함하는 가해자 식별 정보를 추출할 수 있다.The preprocessor 310 may extract perpetrator identification information including at least one of an ID, a phone number, an email, a name, and a nickname from the perpetrator information included in the raw data.

일 실시예에서, 사전처리부(310)는 객체 이미지 추출 모델을 포함할 수 있다. 객체 이미지 추출 모델은 입력 레이어와 출력 레이어, 및 하나 이상의 히든 레이어를 포함할 수 있다. 객체 이미지 추출 모델은 로우 데이터를 입력받고, 로우 데이터를 기초로 객체 이미지를 추출할 수 있다.In an embodiment, the preprocessor 310 may include an object image extraction model. The object image extraction model may include an input layer, an output layer, and one or more hidden layers. The object image extraction model may receive raw data and extract an object image based on the raw data.

데이터베이스(320)는 후술할 지능형 대화 학습부(350)에서 출력된 학습 텍스트와, 사용자로부터 수동으로 입력된 입력 텍스트를 저장할 수 있다. 학습 텍스트와 입력 텍스트는 전처리 과정을 거쳐 라벨링될 수 있다. 학습 텍스트와 입력 텍스트는 각각 텍스트(text) 형식으로 데이터베이스(320)에 저장될 수 있다.The database 320 may store the training text output from the intelligent conversation learning unit 350, which will be described later, and the input text manually input by the user. The training text and the input text may be labeled through a preprocessing process. The training text and the input text may be stored in the database 320 in a text format, respectively.

데이터베이스(320)는 피싱 대응 챗봇 서버(300)의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 가질 수 있다. 데이터베이스(320)는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스(320)는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다. The database 320 may have a general data structure implemented in the storage space (hard disk or memory) of the phishing-response chatbot server 300 . The database 320 may have a data storage form in which data can be freely searched (extracted), deleted, edited, added, and the like. The database 320 is a relational database management system (RDBMS) such as Oracle, Infomix, Sybase, or DB2, or object-oriented such as Gemston, Orion, O2, and the like. It can be implemented for the purpose of an embodiment of the present disclosure using a database management system (OODBMS) and an XML-only database (XML Native Database) such as Excelon, Tamino, and Sekaiju, It may have appropriate fields or elements to achieve its function.

챗봇 프로세서(330)는 피싱 대응 챗봇 서버(300)에 연결된 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 챗봇 프로세서(330)는 네트워크(700)를 통해 제3 단말(600)에 데이터를 전송하도록 지능형 대화 솔루션 생성부(360)를 제어할 수 있다. 챗봇 프로세서(330)는 제3 단말(600)에 채팅 인터페이스를 개설하도록 채팅 인터페이스 제공부(340)를 제어할 수 있다.The chatbot processor 330 may control other components (eg, hardware or software components) connected to the phishing response chatbot server 300 and may perform various data processing or calculations. The chatbot processor 330 may control the intelligent conversation solution generator 360 to transmit data to the third terminal 600 through the network 700 . The chatbot processor 330 may control the chatting interface providing unit 340 to open a chatting interface in the third terminal 600 .

챗봇 프로세서(330)는 기계학습 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 기계학습 모델은 인공지능 기계 학습을 통해 생성될 수 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.The chatbot processor 330 may include a hardware structure specialized for processing a machine learning model. Machine learning models can be created through artificial intelligence machine learning. The learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but in the above example not limited The artificial intelligence model may include a plurality of artificial neural network layers. Artificial neural networks include deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs), restricted boltzmann machines (RBMs), deep belief networks (DBNs), bidirectional recurrent deep neural networks (BRDNNs), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the above example. The artificial intelligence model may include, in addition to, or alternatively, a software structure in addition to the hardware structure.

채팅 인터페이스 제공부(340)는 챗봇 프로세서(330)의 제어에 따라 제3 단말(600)에 채팅 인터페이스를 개설할 수 있다.The chatting interface providing unit 340 may open a chatting interface in the third terminal 600 under the control of the chatbot processor 330 .

지능형 대화 학습부(350)는 사전처리부(310)로부터 가공 데이터를 제공받고, 가공 데이터에 포함된 텍스트 데이터를 기초로 학습 텍스트를 출력할 수 있다.The intelligent conversation learning unit 350 may receive the processing data from the pre-processing unit 310 and output the training text based on the text data included in the processing data.

지능형 대화 학습부(350)는 가해자 식별 정보를 더 입력받고, 가해자 식별 정보와 가공 데이터에 포함된 텍스트 데이터를 기초로 학습 텍스트를 출력할 수 있다.The intelligent conversation learning unit 350 may further receive perpetrator identification information, and may output learning text based on the perpetrator identification information and text data included in the processed data.

지능형 대화 솔루션 생성부(360)는 데이터베이스(320)에 저장된 입력 텍스트, 학습 텍스트를 기초로 출력 텍스트를 생성할 수 있다. 지능형 대화 솔루션 생성부(360)는 제2 단말(500)의 가해자 정보, 메시지 특성, 메시지 응답 시간 간격, 활성화 시간에 관한 분석 정보를 기초로 가해자 특성 정보를 생성할 수 있다. 지능형 대화 솔루션 생성부(360)는 가해자 특성 정보를 기초로 출력 텍스트를 생성할 수 있다.The intelligent conversation solution generating unit 360 may generate an output text based on the input text and the learning text stored in the database 320 . The intelligent conversation solution generating unit 360 may generate perpetrator characteristic information based on the analysis information regarding the perpetrator information, message characteristics, message response time interval, and activation time of the second terminal 500 . The intelligent conversation solution generating unit 360 may generate an output text based on the perpetrator characteristic information.

지능형 대화 솔루션 생성부(360)는 챗봇 프로세서(330)의 제어에 따라 제3 단말(600)에 출력 텍스트를 전달할 수 있다. 지능형 대화 솔루션 생성부(360)는 챗봇 프로세서(330)의 제어에 따라 제3 단말(600)에 출력 텍스트를 전달한 횟수에 기초하여 리액턴트 값을 출력할 수 있다.The intelligent conversation solution generating unit 360 may transmit the output text to the third terminal 600 under the control of the chatbot processor 330 . The intelligent conversation solution generating unit 360 may output a reactant value based on the number of times the output text is delivered to the third terminal 600 under the control of the chatbot processor 330 .

네트워크(700)는 제1 단말 내지 제3 단말(400, 500, 600) 및 피싱 대응 챗봇 서버(300)의 상호 간에 정보 교환이 가능한 연결 구조 또는 제1 단말 내지 제3 단말(400, 500, 600) 및 피싱 대응 챗봇 서버(300)를 연결하는 망(Network)을 의미할 수 있다. 네트워크(700)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등을 의미할 수 있다.The network 700 has a connection structure or first to third terminals 400, 500, and 600 that enables information exchange between the first to third terminals 400, 500, and 600 and the phishing-response chatbot server 300. ) and the phishing-response chatbot server 300 may refer to a network connecting the server 300 . The network 700 may include Internet, Local Area Network (LAN), Wireless Local Area Network (Wireless LAN), Wide Area Network (WAN), Personal Area Network (PAN), 3G, 4G, LTE, 5G, Wi- It may mean Fi or the like.

제1 단말 내지 제3 단말(400, 500, 600)은 사용자의 키 조작에 따라 네트워크(700)를 통해 음성 또는 데이터 통신을 수행하는 전자 기기를 의미할 수 있다. 제1 단말 내지 제3 단말(400, 500, 600)은 네트워크를 통해 피싱 대응 챗봇 서버(300)와 통신하기 위한 프로그램 또는 프로토콜을 저장하기 위한 메모리, 해당 프로그램을 실행하여 연산 및 제어하기 위한 마이크로프로세서 등을 구비할 수 있다.The first to third terminals 400 , 500 , and 600 may refer to electronic devices that perform voice or data communication through the network 700 according to a user's key manipulation. The first to third terminals 400, 500, and 600 are a memory for storing a program or protocol for communicating with the phishing-response chatbot server 300 through a network, and a microprocessor for executing and controlling the corresponding program. etc. can be provided.

제1 단말 내지 제3 단말(400, 500, 600)은 스마트폰(Smart Phone), 태블릿(Tablet), 랩톱(Laptop), 개인용 컴퓨터(PC: Personal Computer), 개인 휴대 단말기(PDA: Personal Digital Assistant), 휴대형 멀티미디어 플레이어(PMP: Portable Multimedia Player), 무선 통신 단말기(Wireless Communication Terminal), 미디어 플레이어 등과 같은 전자 기기일 수 있다.The first to third terminals 400, 500, and 600 are a smart phone, a tablet, a laptop, a personal computer (PC), and a personal digital assistant (PDA). ), a portable multimedia player (PMP), a wireless communication terminal, and an electronic device such as a media player.

제1 단말 내지 제3 단말(400, 500, 600)은 각종 기기 또는 유무선 네트워크와 통신을 수행하기 위한 통신 모뎀 등의 통신 장치, 각종 프로그램과 데이터를 저장하기 위한 메모리, 프로그램을 실행하여 연산 및 제어하기 위한 마이크로프로세서 등을 구비하는 다양한 장치일 수 있다. 일 실시예에 따르면, 메모리는 램(Random Access Memory: RAM), 롬(Read Only Memory: ROM), 플래시 메모리, 광 디스크, 자기 디스크, 솔리드 스테이트 디스크(Solid State Disk: SSD) 등의 컴퓨터로 판독 가능한 기록/저장매체일 수 있다. 일 실시예에 따르면, 마이크로프로세서는 명세서상에 기재된 동작과 기능을 하나 이상 선택적으로 수행하도록 프로그램될 수 있다. 일 실시예에 따르면, 마이크로프로세서는 전체 또는 부분적으로 특정한 구성의 주문형 반도체 (Application Specific Integrated Circuit: ASIC) 등의 하드웨어로써 구현될 수 있다.The first to third terminals 400, 500, and 600 are communication devices such as communication modems for performing communication with various devices or wired/wireless networks, a memory for storing various programs and data, and operation and control by executing the programs. It may be a variety of devices having a microprocessor or the like for According to an embodiment, the memory is read by a computer, such as a random access memory (RAM), a read only memory (ROM), a flash memory, an optical disk, a magnetic disk, a solid state disk (SSD), etc. It may be a possible recording/storage medium. According to one embodiment, the microprocessor may be programmed to selectively perform one or more of the operations and functions described herein. According to an embodiment, the microprocessor may be fully or partially implemented as hardware such as an Application Specific Integrated Circuit (ASIC) having a specific configuration.

본 명세서에서, 제1 단말(400)은 피해자 단말로 지칭될 수 있다. 즉, 제1 단말(400)은 가해자로부터 피싱을 당해, 가해자가 배포한 안드로이드 어플리케이션 패키지 파일(Android application package file, APK)이 설치되어 있을 수 있다.In this specification, the first terminal 400 may be referred to as a victim terminal. That is, the first terminal 400 may be phishing from the offender, and an Android application package file (APK) distributed by the offender may be installed.

안드로이드 어플리케이션 패키지(Android Application Package, APK) 파일은 안드로이드 운영 체제 또는 안드로이드를 기반으로 하는 다른 운영 체제에 의해 사용되는 형식의 파일로서, 모바일 어플리케이션, 모바일 게임 또는 미들웨어와 같은 안드로이드 운영 체제 상에서 실행될 수 있는 어플리케이션의 배포 또는 설치를 위한 형식의 파일이다. An Android Application Package (APK) file is a file of a format used by the Android operating system or another operating system based on Android, and is an application that can be executed on the Android operating system, such as a mobile application, a mobile game, or middleware. It is a file in the format for distribution or installation of

제1 단말(400)에는 상기 피싱 가해자의 가해자 정보와 상기 피싱 가해자와의 채팅 로그가 저장될 수 있다. 제1 단말(400)은 피싱 대응 챗봇 서버(300)의 요청에 응답하여, 상기 가해자 정보와 상기 채팅 로그를 로우 데이터로서 피싱 대응 챗봇 서버(300)에 제공할 수 있다.The first terminal 400 may store perpetrator information of the phishing perpetrator and a chat log with the phishing perpetrator. In response to the request of the phishing-response chatbot server 300 , the first terminal 400 may provide the perpetrator information and the chat log as raw data to the phishing-response chatbot server 300 .

본 명세서에서, 제2 단말(500)은 가해자 단말로 지칭될 수 있다. 즉, 가해자는 제2 단말(500)을 이용하여 피해자 단말과 채팅을 주고받을 수 있다. 제2 단말(500)에는 채팅 인터페이스가 설치되고, 가해자는 상기 채팅 인터페이스를 이용하여 피해자와 채팅을 주고받고, 안드로이드 어플리케이션 패키지 파일을 전송할 수 있다. 가해자는 제2 단말(500)을 이용하여 피해자 단말에 설치된 안드로이드 어플리케이션 패키지 파일을 실행하도록 피해자를 유도할 수 있다. 피해자가 안드로이드 어플리케이션 패키지 파일을 실행하게 되면, 피해자 단말은 안드로이드 어플리케이션 패키지 파일의 인스트럭션에 의해 제2 단말(500)로 다양한 데이터를 전송할 수 있다. In this specification, the second terminal 500 may be referred to as an assailant terminal. That is, the perpetrator may exchange chatting with the victim terminal using the second terminal 500 . A chatting interface is installed in the second terminal 500 , and the offender can chat with the victim using the chatting interface and transmit the Android application package file. The perpetrator may induce the victim to execute the Android application package file installed in the victim terminal using the second terminal 500 . When the victim executes the Android application package file, the victim terminal may transmit various data to the second terminal 500 according to an instruction of the Android application package file.

다음으로, 도 4를 참조하여 본 발명의 피싱 대응 챗봇 시스템(10)의 제3 단말에 대하여 설명한다. 설명의 편의를 위해 제3 단말(600)은 안드로이드(Android) 운영체제 또는 안드로이드를 기반으로 하는 다른 운영체제에 의해 동작하는 단말로 가정한다. 그러나 이는 예시적인 것이고, 제3 단말(600)은 다른 다양한 운영체제가 설치되고 해당 운영체제에 의해 동작할 수 있다. 또한, 도 3에는 제3 단말(600)이 물리적으로 피싱 대응 챗봇 서버(300)와 분리되어 존재하는 것으로 도시되었으나, 본 발명의 기술적 사상은 이에 제한되지 않는다. 제3 단말(600)은 가상의 단말로서 피싱 대응 챗봇 서버(300)에 포함되어 존재할 수도 있다.Next, the third terminal of the phishing-response chatbot system 10 of the present invention will be described with reference to FIG. 4 . For convenience of description, it is assumed that the third terminal 600 is a terminal operated by an Android operating system or another operating system based on Android. However, this is only an example, and the third terminal 600 may have various other operating systems installed and may operate by the corresponding operating systems. Also, although the third terminal 600 is physically separated from the phishing-response chatbot server 300 in FIG. 3 , the technical spirit of the present invention is not limited thereto. The third terminal 600 may be included in the phishing response chatbot server 300 as a virtual terminal.

도 4는 도 3의 제3 단말을 설명하기 위한 블록도이다. FIG. 4 is a block diagram illustrating a third terminal of FIG. 3 .

도 4를 참조하면, 제3 단말(600)은 프로세서(610), 알림 생성부(620), 메모리(630)를 포함할 수 있다.Referring to FIG. 4 , the third terminal 600 may include a processor 610 , a notification generator 620 , and a memory 630 .

프로세서(610)는, 안드로이드 어플리케이션 패키지 파일을 실행하여 프로세서(610)에 연결된 제3 단말(600)의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. The processor 610 may control other components (eg, hardware or software components) of the third terminal 600 connected to the processor 610 by executing an Android application package file, and perform various data processing or operations. can be done

프로세서(610)는 피싱 대응 챗봇 서버(300)로부터 수신된 명령 또는 데이터를 메모리(630)에 저장하고, 메모리(630)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 메모리(630)에 저장할 수 있다. The processor 610 may store the command or data received from the phishing response chatbot server 300 in the memory 630 , process the command or data stored in the memory 630 , and store the result data in the memory 630 . there is.

일 실시예에서, 프로세서(610)는 중앙 처리 장치, 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서를 포함할 수 있다. In an embodiment, the processor 610 may include a central processing unit, a graphic processing unit, a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.

알림 생성부(620)는 소리, 빛 등을 통해 사용자에게 전달되는 알림을 생성할 수 있다. 알림 생성부(620)는 프로세서(610)의 제어에 의해 알림을 생성할 수 있다.The notification generator 620 may generate a notification delivered to the user through sound, light, or the like. The notification generator 620 may generate a notification under the control of the processor 610 .

메모리(630)는 제3 단말(600)의 적어도 하나의 구성요소(예를 들면, 프로세서(610)에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 안드로이드 어플리케이션 패키지 파일 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(630)는, 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. The memory 630 may store various data used by at least one component (eg, the processor 610) of the third terminal 600. The data may include, for example, an Android application package file and; It may include input data or output data for a command related thereto The memory 630 may include a volatile memory or a non-volatile memory.

도 5는 본 발명의 일 실시예에 따른 피싱 대응 챗봇 시스템의 동작을 설명하기 위한 흐름도이다. 도 6은 제3 단말(600)의 채팅 인터페이스를 예시적으로 도시한 도면이다. 도 7은 사전처리부(310)의 로우 데이터 사전 처리 과정을 설명하기 위한 흐름도이다.5 is a flowchart illustrating an operation of a phishing-response chatbot system according to an embodiment of the present invention. 6 is a diagram exemplarily illustrating a chatting interface of the third terminal 600 . 7 is a flowchart illustrating a raw data pre-processing process of the pre-processing unit 310 .

도 5를 참조하면, 피싱 대응 챗봇 서버(300)는 제1 단말(400)로부터 로우 데이터를 제공받는다(S501). 로우 데이터에는 제1 단말(400)에 저장된 가해자 정보, 채팅 로그가 포함될 수 있다.Referring to FIG. 5 , the phishing response chatbot server 300 receives raw data from the first terminal 400 ( S501 ). The raw data may include perpetrator information and a chat log stored in the first terminal 400 .

피싱 대응 챗봇 서버(300)의 사전처리부(310)는 제1 단말(400)로부터 제공받은 로우 데이터를 사전처리(Preprocessing)하여 가공 데이터를 생성한다(S503). The preprocessor 310 of the phishing-response chatbot server 300 preprocesses the raw data provided from the first terminal 400 to generate processed data (S503).

도 7을 추가로 참조하면, 사전처리부(310)는 로우 데이터에서 이미지 파일과 비디오 파일을 분류할 수 있다(S701). 예를 들면, 제1 단말(400)과 제2 단말(500) 간 주고받은 채팅 로그에서 가해자가 제2 단말(500)을 통해 송신한 이미지 파일과 비디오 파일을 분류할 수 있다.Referring further to FIG. 7 , the preprocessor 310 may classify an image file and a video file from raw data ( S701 ). For example, in a chat log exchanged between the first terminal 400 and the second terminal 500 , the image file and the video file transmitted by the perpetrator through the second terminal 500 may be classified.

사전처리부(310)는 객체 이미지 추출 모델을 이용하여, 이미지 파일과 상기 비디오 파일에서 각각 객체 이미지를 추출할 수 있다(S703). 사전처리부(310)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 객체 이미지 추출 모델은 입력 레이어, 출력 레이어, 및 복수의 히든 레이어를 포함할 수 있다. 객체 이미지 추출 모델은 기계학습을 통해 학습될 수 있다.The preprocessor 310 may extract an object image from an image file and the video file, respectively, by using the object image extraction model ( S703 ). The pre-processing unit 310 may include a hardware structure specialized for processing an artificial intelligence model. The object image extraction model may include an input layer, an output layer, and a plurality of hidden layers. The object image extraction model can be trained through machine learning.

객체 이미지는 특정 인물이 포함된 이미지일 수 있다. 예를 들면, 가해자가 피해자를 유혹하기 위해 제2 단말(500)을 통해 피해자에게 송신하는 특정 성별의 인물 이미지일 수 있다. The object image may be an image including a specific person. For example, it may be a person image of a specific gender that the perpetrator transmits to the victim through the second terminal 500 to seduce the victim.

사전처리부(310)는 객체 이미지의 객체 정보 및 분류 정보를 포함하는 메타 데이터를 생성할 수 있다(S705). 즉, 사전처리부(310)는 다른 이미지 파일 및 비디오 파일과 구별될 수 있도록 객체 이미지를 추출한 이미지 파일 및 비디오 파일에 해당 객체 이미지에 관한 객체 정보 및 분류 정보를 생성하고, 객체 정보 및 분류 정보를 해당 이미지 파일 및 비디오 파일과 병합할 수 있다.The preprocessor 310 may generate metadata including object information and classification information of the object image (S705). That is, the pre-processing unit 310 generates object information and classification information about the object image in the image file and video file from which the object image is extracted so that it can be distinguished from other image files and video files, and applies the object information and classification information to the corresponding object image. It can be merged with image files and video files.

사전처리부(310)는 로우 데이터에 포함된 가해자 정보에서 아이디, 전화번호, 이메일, 성명, 닉네임 중 적어도 하나를 포함하는 가해자 식별 정보를 추출할 수 있다(S707). 사전처리부(310)는 가해자 식별 정보를 객체 이미지의 상기 객체 정보 및 분류 정보와 병합하여 저장할 수 있다.The pre-processing unit 310 may extract perpetrator identification information including at least one of ID, phone number, e-mail, name, and nickname from the perpetrator information included in the raw data (S707). The preprocessor 310 may store the perpetrator identification information by merging it with the object information and classification information of the object image.

가공 데이터는 채팅 로그에서 추출된 텍스트 데이터, 제1 단말(400)이 제2 단말(500)과 주고받은 이미지 데이터, 상기 이미지 데이터의 식별 정보, 객체 이미지의 객체 정보, 객체 이미지의 분류 정보 등을 저장하는 메타 데이터를 포함할 수 있다.The processed data includes text data extracted from the chat log, image data exchanged by the first terminal 400 with the second terminal 500, identification information of the image data, object information of an object image, classification information of an object image, etc. It may include metadata to be stored.

메타데이터는 IPTC (International Press Telecommunications Council), XMP (Extensible Metadata Platform from Adobe), EXIF(Exchangeable Image File Format) 등의 포맷을 사용하여 저장할 수 있다.The metadata may be stored using a format such as International Press Telecommunications Council (IPTC), Extensible Metadata Platform from Adobe (XMP), and Exchangeable Image File Format (EXIF).

다시 도 5를 참조하면, 지능형 대화 학습부(350)는 사전처리부(310)로부터 가공 데이터를 전달받고(S505), 가공 데이터에 포함된 텍스트 데이터를 기초로 학습 텍스트를 출력할 수 있다(S507).Referring back to FIG. 5 , the intelligent conversation learning unit 350 may receive the processing data from the pre-processing unit 310 ( S505 ), and output the training text based on the text data included in the processing data ( S507 ). .

학습 텍스트란 제2 단말(500), 즉 가해자 단말과 주고받은 메시지를 기초로 생성되는 자연어 메시지를 의미한다. 학습 텍스트는 가해자 단말에 송신한 메시지와, 가해자 단말로부터 수신한 메시지를 모두 포함하는 텍스트 데이터를 기초로, 자연어 처리(Natural Language Processing)과정을 거쳐 생성될 수 있다. 학습 텍스트는 가해자 단말로부터 수신한 메시지에 대한 응답 텍스트일 수 있다. 즉, 지능형 대화 학습부(350)는 가해자 단말과 주고받은 채팅 로그를 기초로 가해자 단말로부터 수신한 메시지에 대응하는 응답 텍스트를 출력할 수 있다. 그러나 이는 예시적인 것이고, 학습 텍스트는 가해자 단말로부터 수신할 질문 텍스트일 수도 있다. 즉, 학습 텍스트는 가해자 단말과의 채팅 로그를 기초로 가해자 단말에 송신할 메시지, 또는 가해자 단말로부터 수신할 예상 메시지를 포함할 수 있다. The training text refers to a natural language message generated based on a message exchanged with the second terminal 500 , that is, the perpetrator terminal. The training text may be generated through a natural language processing process based on text data including both a message transmitted to the assailant terminal and a message received from the assailant terminal. The training text may be a response text to a message received from the perpetrator terminal. That is, the intelligent conversation learning unit 350 may output a response text corresponding to the message received from the assailant terminal based on the chat log exchanged with the assailant terminal. However, this is only an example, and the learning text may be a question text to be received from the perpetrator terminal. That is, the learning text may include a message to be transmitted to the assailant terminal based on a chat log with the assailant terminal, or an expected message to be received from the assailant terminal.

지능형 대화 학습부(350)는 사전처리부(310)로부터 가해자 식별 정보를 전달받고, 가해자 식별 정보와 가공 데이터에 포함된 텍스트 데이터를 기초로 학습 텍스트를 출력할 수 있다.The intelligent conversation learning unit 350 may receive the perpetrator identification information from the preprocessor 310 , and may output a learning text based on the perpetrator identification information and text data included in the processed data.

가해자 식별 정보란 로우 데이터에 포함된 가해자 정보, 예를 들면 아이디, 전화번호, 이메일, 성명, 닉네임 등을 기초로 생성되는 가해자를 특정할 수 있는 정보를 의미한다. 즉, 사전처리부(310)는 로우 데이터에서 가해자가 가지는 고유의 특성 정보를 추출하여 가해자 식별 정보를 생성하고, 지능형 대화 학습부(350)는 가해자 식별 정보를 더 제공받아 가해자 식별 정보와 텍스트 데이터를 기초로 학습 텍스트를 출력할 수 있다.The perpetrator identification information refers to information that can identify the perpetrator generated based on perpetrator information included in raw data, for example, ID, phone number, e-mail, name, nickname, and the like. That is, the pre-processing unit 310 extracts the perpetrator's unique characteristic information from the raw data to generate perpetrator identification information, and the intelligent conversation learning unit 350 receives further perpetrator identification information to provide perpetrator identification information and text data. You can output the training text as a basis.

지능형 대화 학습부(350)는 챗봇 프로세서(330)의 제어에 의해 학습 텍스트를 출력할 수 있다. 지능형 대화 학습부(350)는 가공 데이터를 챗봇 프로세서(330)에 전달하고, 챗봇 프로세서(330)로부터 학습 텍스트를 전달받아, 학습 텍스트를 출력할 수 있다. The intelligent conversation learning unit 350 may output the learning text under the control of the chatbot processor 330 . The intelligent conversation learning unit 350 may transmit the processed data to the chatbot processor 330 , receive the training text from the chatbot processor 330 , and output the training text.

챗봇 프로세서(330)의 텍스트 학습 모델은 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다.The text learning model of the chatbot processor 330 may include an input layer, one or more hidden layers, and an output layer.

챗봇 프로세서(330)의 텍스트 학습 모델은, 가공 데이터와 입력 텍스트를 각각 입력받고, 가공 데이터 중 텍스트 데이터를 입력 텍스트와 비교하고, 비교 결과를 기초로 학습 텍스트를 출력할 수 있다. 여기서 입력 텍스트란, 사용자(서버관리자)가 피싱 대응 챗봇 서버(300)에 수동으로 입력하는 자연어 데이터일 수 있다. 즉, 사용자(서버관리자)는 가해자 단말과의 채팅 로그를 기초로, 가해자로부터 수신한 메시지에 대한 자연스러운 응답 메시지를 입력 텍스트로 직접 데이터베이스(320)에 저장할 수 있다. The text learning model of the chatbot processor 330 may receive processed data and input text, respectively, compare text data among the processed data with the input text, and output the learning text based on the comparison result. Here, the input text field may be natural language data manually input by the user (server administrator) to the phishing-response chatbot server 300 . That is, the user (server administrator) may directly store in the database 320 a natural response message to the message received from the assailant as input text based on the chat log with the assailant terminal.

학습 텍스트 및 정답 입력 텍스트로 구성된 복수의 학습 데이터는 텍스트 학습 모델의 입력 레이어에 입력되어, 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력할 수 있다. 출력 벡터는 출력 레이어에 연결된 손실함수 레이어에 입력될 수 있다. 손실함수 레이어는 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력할 수 있다. 텍스트 학습 모델의 파라미터는 손실값이 작아지는 방향으로 학습될 수 있다.A plurality of training data including the training text and the correct input text may be input to an input layer of the text learning model, pass through one or more hidden layers and an output layer to output an output vector. The output vector may be input to a loss function layer connected to the output layer. The loss function layer may output a loss value using a loss function that compares the output vector with the correct vector for each training data. The parameters of the text learning model may be learned in a direction in which the loss value becomes smaller.

손실 함수는 <수학식 1>을 따를 수 있다.The loss function may follow <Equation 1>.

<수학식 1>에서, N은 복수의 학습 데이터의 수, n은 학습 데이터를 식별하는 자연수, k는 n번째 학습 데이터의 값을 식별하는 자연수, nk는 n번째 학습 데이터의 k번째 값을 의미하고, t는 정답 데이터를 의미하고, y는 출력 벡터를 의미하고, E는 손실값을 의미할 수 있다.In <Equation 1>, N is the number of a plurality of training data, n is a natural number identifying the training data, k is a natural number identifying the value of the n-th training data, nk is the k-th value of the n-th training data , t denotes correct answer data, y denotes an output vector, and E denotes a loss value.

데이터베이스(320)는 사용자로부터 입력된 입력 텍스트를 저장할 수 있다(S509). 데이터베이스(320)는 지능형 대화 학습부(350)로부터 학습 텍스트를 전달받아 학습 텍스트를 저장할 수 있다(S511).The database 320 may store the input text input by the user (S509). The database 320 may receive the training text from the intelligent conversation learning unit 350 and store the training text (S511).

지능형 대화 학습부(350)는 학습 텍스트와 리액턴트 값을 기초로 프리시드 수치를 출력할 수 있다(S513).The intelligent conversation learning unit 350 may output a preset value based on the learning text and the reactant value (S513).

프리시드 수치는 지능형 대화 솔루션 생성부(360)가 제2 단말(500)에 송신할 적절한 출력 텍스트를 생성할 수 있을지를 나타내는 수치이다. 구체적으로, 프리시드 수치는 지능형 대화 학습부(350)가 출력한 학습 텍스트와 데이터베이스(320)에 저장된 입력 텍스트를 비교하고, 지능형 대화 학습부(350)가 출력한 학습 텍스트가 데이터베이스(320)에 저장된 텍스트를 기초로 지능형 대화 솔루션 생성부(360)가 적절한 출력 텍스트를 생성할 수 있는 예상 가능 범위에 있는지를 나타내는 수치를 의미한다.The preset number is a number indicating whether the intelligent conversation solution generating unit 360 can generate an appropriate output text to be transmitted to the second terminal 500 . Specifically, the preset numerical value compares the learning text output by the intelligent conversation learning unit 350 with the input text stored in the database 320 , and the learning text output by the intelligent conversation learning unit 350 is stored in the database 320 . It refers to a numerical value indicating whether the intelligent conversation solution generating unit 360 is within a predictable range capable of generating an appropriate output text based on the stored text.

지능형 대화 학습부(350)는 데이터베이스(320)에 저장된 복수의 텍스트 데이터(예를 들면, 학습 텍스트)의 가공률을 계산할 수 있다. 가공률이란 학습 텍스트와 정답 입력 텍스트의 비교 결과를 기초로 계산될 수 있다. 일 실시예에서, 가공률은 학습 텍스트와 정답 입력 텍스트의 일치율에 반비례할 수 있다.The intelligent conversation learning unit 350 may calculate a processing rate of a plurality of text data (eg, learning text) stored in the database 320 . The processing rate may be calculated based on a comparison result between the learning text and the correct input text. In an embodiment, the processing rate may be inversely proportional to the matching rate between the learning text and the correct input text.

프리시드 수치는 <수학식 2>에 의해 계산될 수 있다. The preseed value may be calculated by <Equation 2>.

<수학식 2>에서, T는 프리시드 수치, v_react는 리액턴트 값, S는 텍스트 데이터의 가공률, p는 상기 텍스트 데이터를 식별하는 자연수를 나타내는 것일 수 있다. 리액턴트 값에 대해서는 후술한다.In <Equation 2>, T may be a pre-seed value, v_react may be a reactant value, S may be a processing rate of text data, and p may represent a natural number identifying the text data. The reactant value will be described later.

S515에서, 생성된 프리시드 수치가 미리 정해진 임계치를 초과하는지 여부를 판단한다.In S515, it is determined whether the generated preseeding value exceeds a predetermined threshold.

프리시드 수치가 제1 임계치를 초과하는 경우, 지능형 대화 학습부(350)는 지능형 대화 솔루션 생성부(360)가 상기 출력 텍스트를 생성하지 않도록 제어하는 동작 중단 신호를 생성한다(S517). 지능형 대화 학습부(350)는 동작 중단 신호를 지능형 대화 솔루션 생성부(360)에 전달한다(S519).When the preset value exceeds the first threshold, the intelligent conversation learning unit 350 generates an operation stop signal for controlling the intelligent conversation solution generating unit 360 not to generate the output text (S517). The intelligent conversation learning unit 350 transmits the operation stop signal to the intelligent conversation solution generating unit 360 (S519).

프리시드 수치가 제1 임계치를 초과하지 않는 경우, 지능형 대화 학습부(350)는 지능형 대화 솔루션 생성부(360)가 상기 출력 텍스트를 생성하도록 제어한다.When the preset value does not exceed the first threshold, the intelligent conversation learning unit 350 controls the intelligent conversation solution generating unit 360 to generate the output text.

지능형 대화 솔루션 생성부(360)는 출력 텍스트를 생성한다(S521). 지능형 대화 솔루션 생성부(360)는 출력 텍스트를 제3 단말(600)에 전달한다(S523).The intelligent conversation solution generating unit 360 generates an output text (S521). The intelligent conversation solution generating unit 360 transmits the output text to the third terminal 600 (S523).

지능형 대화 솔루션 생성부(360)는 제3 단말(600)에 출력 텍스트를 전달한 횟수에 기초하여 리액턴트 값을 출력한다. 리액턴트 값은 지능형 대화 솔루션 생성부(360)는 제3 단말(600)에 출력 텍스트를 전달한 횟수에 비례할 수 있다. 이를 위해, 지능형 대화 솔루션 생성부(360)는 제3 단말(600)에 출력 텍스트를 전달한 횟수를 메모리에 기록할 수 있다. The intelligent conversation solution generating unit 360 outputs a reactant value based on the number of times the output text is delivered to the third terminal 600 . The reactant value may be proportional to the number of times that the intelligent conversation solution generating unit 360 delivers the output text to the third terminal 600 . To this end, the intelligent conversation solution generating unit 360 may record the number of times the output text is delivered to the third terminal 600 in the memory.

리액턴트 값은 <수학식 3>에 의해 계산될 수 있다.The reactant value may be calculated by <Equation 3>.

<수학식 3>에서, v_react는 리액턴트 값, N_sent는 지능형 대화 솔루션 생성부(360)가 제3 단말(600)에 출력 텍스트를 전달한 횟수를 의미할 수 있다.In <Equation 3>, v_react may indicate a reactant value, and N_sent may indicate the number of times the intelligent conversation solution generating unit 360 delivers the output text to the third terminal 600 .

제3 단말(600)은 프로세서(610)의 제어에 의해, 지능형 대화 솔루션 생성부(360)로부터 전달받은 출력 텍스트를 포함하는 메시지를 제2 단말(500)에 송신한다(S527). 제3 단말(600)은 제2 단말(500)로부터 답장 메시지를 수신한다(S529).The third terminal 600 transmits a message including the output text received from the intelligent conversation solution generating unit 360 to the second terminal 500 under the control of the processor 610 (S527). The third terminal 600 receives a reply message from the second terminal 500 (S529).

사전처리부(310)는 제3 단말(600)로부터 로우 데이터를 수신한다(S531). 로우 데이터는 제1 단말(400)로부터 수신한 로우 데이터와 동일하거나 유사할 수 있다. 즉, 로우 데이터는 가해자 정보, 채팅 로그를 포함할 수 있다. 사전처리부(310)는 로우 데이터를 사전 처리하여 가공 데이터를 생성할 수 있다. 이 경우, 사전처리부(310)는 제3 단말(600)로부터 수신한 로우 데이터와 제1 단말(400)로부터 수신한 로우 데이터를 비교하여, 중복되는 데이터를 제외하여 가공 데이터를 생성할 수 있다.The preprocessor 310 receives the raw data from the third terminal 600 (S531). The raw data may be the same as or similar to the raw data received from the first terminal 400 . That is, the raw data may include perpetrator information and a chat log. The pre-processing unit 310 may generate processed data by pre-processing the raw data. In this case, the preprocessor 310 may compare the raw data received from the third terminal 600 with the raw data received from the first terminal 400 , and may generate processed data by excluding duplicate data.

제3 단말(600)이 제2 단말(500)과 채팅이 이루어지는 동안, 가해자는 제2 단말(500)을 통해 안드로이드 어플리케이션 패키지 파일의 설치를 유도할 수 있다. 도 6을 참조하면, 가해자는 채팅 과정에서 소리가 잘 들리지 않는다고 하거나, 영상통화가 잘 되지 않는다는 등의 핑계를 대며 피해자에게 악성 안드로이드 어플리케이션 패키지 파일의 설치를 유도한다. 해당 악성 안드로이드 어플리케이션 패키지 파일은 제3 단말(600)에 설치될 수 있다(S533). 제3 단말(600)의 프로세서(610)는 악성 안드로이드 어플리케이션 패키지 파일의 동작 신호를 감지하는 경우, 동작 신호에 응답하여, 악성 안드로이드 어플리케이션 패키지 파일의 전송 요청에 의해 제3 단말(600)로부터 제2 단말(500)로 전송되는 데이터 패킷의 전송을 차단한다(S535). 제3 단말(600)의 알림 생성부(620)는 동작 신호에 응답하여, 알림 신호를 생성한다(S537).While the third terminal 600 is chatting with the second terminal 500 , the perpetrator may induce the installation of the Android application package file through the second terminal 500 . Referring to FIG. 6 , the perpetrator induces the victim to install a malicious Android application package file by giving excuses such as that the sound is not heard well during the chatting process or that the video call does not work well. The corresponding malicious Android application package file may be installed in the third terminal 600 (S533). When the processor 610 of the third terminal 600 detects an operation signal of the malicious Android application package file, in response to the operation signal, the processor 610 of the third terminal 600 receives a second request from the third terminal 600 to transmit the malicious Android application package file. The transmission of the data packet transmitted to the terminal 500 is blocked (S535). The notification generating unit 620 of the third terminal 600 generates a notification signal in response to the operation signal (S537).

피싱 대응 챗봇 서버(300) 대신 피싱 대응 챗봇 서버(300)와 물리적으로 분리되어 있는 제3 단말(600)에 가해자로부터 수신하는 악성 안드로이드 어플리케이션 패키지 파일을 설치함으로써, 악성 안드로이드 어플리케이션 패키지 파일의 동작 신호에 의해 데이터가 전송되는 것을 방지할 수 있다.By installing the malicious Android application package file received from the perpetrator in the third terminal 600 physically separated from the phishing-response chatbot server 300 instead of the phishing-response chatbot server 300, the operation signal of the malicious Android application package file data can be prevented from being transmitted.

피싱 대응 챗봇 시스템(10)은 인공지능 챗봇을 이용하여 제2 단말(500), 즉 가해자 단말에 자동으로 메시지를 보내고, 채팅을 이어갈 수 있다. 이를 통해 가해자로부터 피해자에게 집중되는 포커싱을 해소할 수 있다.The phishing response chatbot system 10 may automatically send a message to the second terminal 500, that is, the perpetrator terminal, and continue chatting by using the artificial intelligence chatbot. In this way, the focus from the perpetrator to the victim can be eliminated.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented by a hardware component, a software component, and/or a combination of a hardware component and a software component. For example, the apparatus, methods and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate (FPGA) array), a programmable logic unit (PLU), a microprocessor, or any other device capable of executing and responding to instructions, may be implemented using one or more general purpose or special purpose computers. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. A processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, although one processing device is sometimes described as being used, one of ordinary skill in the art will recognize that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that can include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.Software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or apparatus, to be interpreted by or to provide instructions or data to the processing device. , or may be permanently or temporarily embody in a transmitted signal wave. The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with reference to the limited drawings, those skilled in the art may apply various technical modifications and variations based on the above. For example, the described techniques are performed in an order different from the described method, and/or the described components of the system, structure, apparatus, circuit, etc. are combined or combined in a different form than the described method, or other components Or substituted or substituted by equivalents may achieve an appropriate result.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.

Claims (5)

제1 단말로부터 가해자 정보, 채팅 로그를 포함하는 로우 데이터를 제공받고, 상기 로우 데이터를 사전처리(Preprocessing)하여 가공 데이터를 생성하는 사전처리부;
상기 가공 데이터를 제공받고, 상기 가공 데이터를 기초로 학습된 학습 텍스트를 생성하는 지능형 대화 학습부;
수동으로 입력된 입력 텍스트와, 상기 학습 텍스트를 저장하는 데이터베이스;
상기 제1 단말과는 다른 제2 단말로부터 채팅 인터페이스를 통해 전달받은 안드로이드 어플리케이션 패키지 파일(Android application package file, APK)이 설치되는 제3 단말; 및
상기 데이터베이스에 저장된 텍스트를 기초로 출력 텍스트를 생성하고, 상기 출력 텍스트를 상기 제3 단말에 송신하는 지능형 대화 솔루션 생성부;를 포함하되,
상기 지능형 대화 솔루션 생성부는,
상기 제3 단말에 상기 출력 텍스트를 전달한 횟수에 기초하여 리액턴트 값을 출력하고,
상기 지능형 대화 학습부는,
상기 학습 텍스트와 상기 리액턴트 값을 기초로 프리시드 수치를 출력하고,
상기 프리시드 수치가 제1 임계치를 초과하는 경우, 상기 지능형 대화 솔루션 생성부가 상기 출력 텍스트를 생성하지 않도록 제어하는 동작 중단 신호를 생성하고,
상기 프리시드 수치가 상기 제1 임계치를 초과하지 않는 경우, 상기 지능형 대화 솔루션 생성부가 상기 출력 텍스트를 생성하도록 제어하는,
인공지능 기반의 피싱 대응 챗봇 시스템.a preprocessor configured to receive raw data including perpetrator information and a chat log from the first terminal, and preprocess the raw data to generate processed data;
an intelligent conversational learning unit receiving the processed data and generating a learned learning text based on the processed data;
a database for storing manually inputted text and the training text;
a third terminal in which an Android application package file (APK) received through a chatting interface from a second terminal different from the first terminal is installed; and
An intelligent conversation solution generating unit that generates an output text based on the text stored in the database and transmits the output text to the third terminal.
The intelligent dialogue solution generation unit,
Outputs a reactant value based on the number of times the output text is delivered to the third terminal,
The intelligent conversation learning unit,
output a preset value based on the training text and the reactant value,
generating an operation stop signal for controlling the intelligent conversation solution generating unit not to generate the output text when the preset value exceeds a first threshold;
controlling the intelligent conversation solution generating unit to generate the output text when the preset value does not exceed the first threshold value,
An artificial intelligence-based phishing response chatbot system. 제1항에 있어서,
상기 사전처리부는,
상기 로우 데이터에서 이미지 파일과 비디오 파일을 분류하고,
객체 이미지 추출 모델을 이용하여, 상기 이미지 파일과 상기 비디오 파일에서 각각 객체 이미지를 추출하고,
상기 객체 이미지의 객체 정보 및 분류 정보를 포함하는 메타 데이터를 생성하고,
상기 가해자 정보에서 아이디, 전화번호, 이메일, 성명, 닉네임 중 적어도 하나를 포함하는 가해자 식별 정보를 추출하고,
상기 지능형 대화 학습부는,
상기 가해자 식별 정보를 더 입력받고, 상기 가해자 식별 정보와 상기 가공 데이터에 포함된 텍스트 데이터를 기초로 하여 상기 학습 텍스트를 출력하는,
인공지능 기반의 피싱 대응 챗봇 시스템.According to claim 1,
The pre-processing unit,
classifying image files and video files from the raw data;
Extracting an object image from the image file and the video file using an object image extraction model,
generating metadata including object information and classification information of the object image;
extracting perpetrator identification information including at least one of ID, phone number, e-mail, name, and nickname from the perpetrator information;
The intelligent conversation learning unit,
receiving the perpetrator identification information further, and outputting the learning text based on the text data included in the perpetrator identification information and the processed data,
An artificial intelligence-based phishing response chatbot system. 제1항에 있어서,
상기 가공 데이터는 상기 채팅 로그의 자연어 대화 내역을 가공하여 생성한 텍스트 데이터, 상기 채팅 로그에서 송/수신된 이미지를 가공하여 생성한 이미지 데이터, 및 상기 이미지 데이터의 식별 정보를 포함하는 메타 데이터를 포함하고,
상기 지능형 대화 학습부는, 상기 텍스트 데이터를 기초로 상기 학습 텍스트를 생성하는,
인공지능 기반의 피싱 대응 챗봇 시스템.The method of claim 1,
The processed data includes text data generated by processing the natural language conversation history of the chat log, image data generated by processing images transmitted/received from the chat log, and metadata including identification information of the image data do,
The intelligent conversation learning unit generates the learning text based on the text data,
An artificial intelligence-based phishing response chatbot system. 제1항에 있어서,
상기 제3 단말은,
프로세서;
외부에 전달되는 알림 신호를 생성하는 알림 생성부; 및
상기 안드로이드 어플리케이션 패키지 파일이 설치되는 메모리;를 포함하고,
상기 프로세서는,
상기 안드로이드 어플리케이션 패키지 파일의 동작 신호를 감지하는 경우,
상기 동작 신호에 응답하여, 상기 안드로이드 어플리케이션 패키지 파일의 전송 요청에 의해 상기 제2 단말로 전송되는 데이터 패킷의 전송을 차단하고,
상기 알림 생성부는,
상기 동작 신호에 응답하여, 알림 신호를 생성하는,
인공지능 기반의 피싱 대응 챗봇 시스템.The method of claim 1,
The third terminal,
processor;
a notification generator generating a notification signal transmitted to the outside; and
Including; memory in which the Android application package file is installed;
The processor is
When detecting an operation signal of the Android application package file,
In response to the operation signal, blocking the transmission of the data packet transmitted to the second terminal in response to the request for transmission of the Android application package file,
The notification generating unit,
generating a notification signal in response to the operation signal;
An artificial intelligence-based phishing response chatbot system. 제1항에 있어서,
챗봇 프로세서;를 더 포함하고,
상기 챗봇 프로세서는 텍스트 학습 모델을 포함하고,
상기 텍스트 학습 모델은, 상기 가공 데이터와 상기 입력 텍스트를 입력받고, 상기 가공 데이터 중 텍스트 데이터와 상기 입력 텍스트를 비교하고, 상기 비교 결과를 기초로 상기 학습 텍스트를 출력하는,
인공지능 기반의 피싱 대응 챗봇 시스템.




The method of claim 1,
Chatbot processor; further comprising,
The chatbot processor includes a text learning model,
The text learning model receives the processed data and the input text, compares the text data among the processed data with the input text, and outputs the training text based on the comparison result,
An artificial intelligence-based phishing response chatbot system.

Images