Tactic Classification and Scenario Clustering based on the VP ATT&CK Framework for Effective Identification and Response to Voice Phishing Attacks

보이스피싱은 사회공학적 기법을 기반으로 음성을 이용하여 피해자를 속이고 금전을 편취하는 범죄로, 지능화되고 있는 보이스피싱에 기존의 금융거래 패턴 분석이나 발신 번호 확인 기반 탐지 방식만으로는 대응하기 어렵다. 이러한 한계를 극복하기 위해 MITRE ATT&CK을 참조하되 보이스피싱 특성을 반영한 VP ATT&CK 프레임워크를 제안한다. 이를 기반으로 Proxy-label 기법을 적용한 준지도 학습을 통해 전술 분류 모델을 구축하고, 실험을 통해 제안한 모델이 기존 지도 학습 대비 성능이 약 19% 향상되었다. 또한 분류된 전술을 bigram 단위 전술 흐름으로 연결하고, BERT 임베딩과 K-means 클러스터링을 적용하여 다섯 가지 대표적 공격 시나리오 유형을 도출하였다. 이를 통해 VP ATT&CK 프레임워크는 보이스피싱 공격의 전개 과정을 체계적으로 설명하고, 변종 및 신종 보이스피싱 공격을 효과적으로 식별 및 대응할 수 있는 지식 기반으로서 활용이 가능함을 보여주었다.