AI 요약 · 영어에서 AI 번역

A Large-Scale Empirical Study of Modern Phishing Email Content

Jaehwan Park, Woonghee Lee, Fujiao Ji, Doowon Kim

arXiv:2609.30683v1cs.CR

TL;DR

기존 피싱 콘텐츠 특성화 연구는 어휘적 동시 출현은 포착하지만 미끼의 설득력을 좌우하는 의미론은 놓치는 bag-of-words 모델에 의존했다. 본 연구는 메시지 본문과 첨부 파일을 아울러 피싱 이메일을 측정하고, 테마, CTA, 사칭 및 이들 간의 연관성을 살핀다. 테마는 다양하지만 CTA는 특정 유형에 집중되며, CTA와 사칭 패턴은 테마와 연관되어 있음을 보인다.

  • 문제

    기존 특성화 연구는 어휘적 동시 출현은 포착하지만 피싱 미끼의 설득력을 좌우하는 의미론은 포착하지 못하는 bag-of-words 모델을 사용했다.

    출처: §I · p. 1
  • 방법

    이 연구는 2.9M건의 실제 피싱 이메일을 분석해 테마, CTA, 사칭을 살피고, 메시지 본문과 이미지, PDF, 캘린더 초대를 함께 분석한다.

    출처: §I · p. 2
  • 결과

    이메일의 73.0%는 URL 이동을 유도하는 반면, 어떤 테마도 21.3%를 넘지 않는다. CTA와 사칭은 테마에 따라 달라지며, 송장 피싱은 오프라인 연락을 유도하는 방향으로 변화했다.

    출처: §I · p. 2, §IX · p. 13
  • 시사점 및 한계

    이미지는 메시지 본문을 보완하고, PDF는 구실을 담으며, 캘린더 초대는 상호작용 엔드포인트를 강화한다. 따라서 상당수 이메일에서는 텍스트만 탐지할 경우 살펴볼 수 있는 정보가 적다.

    출처: §I · p. 2

    유병률 추정치는 실제 환경의 모든 피싱 이메일이 아니라 APWG에 보고된 코퍼스를 반영하며, APWG의 신고 관행과 관측 지점에 영향을 받을 수 있다.

    출처: B. Limitations · p. 13

Abstract

from arXiv · show

Phishing remains one of the most pervasive threats to Internet users, and email remains its predominant delivery channel. Email content is the attack surface of phishing: it is what the victim reads and what automated defenses inspect. Yet the composition of modern phishing content is poorly measured. Prior work has characterized dimensions such as theme, call-to-action (CTA), and impersonation, but not at scale, and their associations and temporal changes remain unclear, owing to small or source-specific corpora, bag-of-words topic models, and a focus on text alone. We present a content-focused measurement study of 2.9M distinct real-world phishing emails collected over 13 months (June 2025 - June 2026) in collaboration with the Anti-Phishing Working Group (APWG). We treat each email as a composite artifact comprising message text and its attachments: 272K images, 143K PDFs, and 57K calendar invitations. Using an LLM pipeline validated against human-annotated samples, we analyze these components along three dimensions (theme, CTA, and impersonation), examine the associations among them, and measure longer-term change against a historical dataset. We find that attackers diversify what they use to deceive but converge on how victims should respond: no theme exceeds 21.3% of emails, while a single CTA, URL navigation, accounts for 73.0%. CTA and impersonation choices are conditioned on theme. Attachments play three roles: images supplement the message text, PDFs substitute for it by carrying the pretext, and calendar invitations reinforce it by replicating interaction endpoints into a persistent medium. Over the longer term, the dominant CTA for invoice-themed phishing shifted from URL navigation to offline communication, rising from 6.7% in 2015 to 46.9% in 2025.

I. 서론

기존 연구는 제한된 규모의 피싱 콘텐츠를 측정하고 텍스트에 집중한 경우가 많았지만, 본 연구는 콘텐츠 차원과 시간에 걸쳐 2.9M개의 이메일과 첨부파일을 분석한다. 그 결과, 테마는 다양하지만 대응 전략은 테마에 따라 달라지며, 첨부파일은 서로 다른 역할을 하고, 과거의 변화 양상도 서로 다름을 확인했다.

서론

  • 기존 연구는 소규모 또는 특정 출처에 편중된 데이터셋, bag-of-words 기법, 텍스트만 분석하는 방식에 의존해 차원 간 연관성과 시간에 따른 변화를 대규모로 정량화하지 못했다.LDA 기반 특성화는 어휘의 동시 출현은 포착하지만 서로 다른 미끼를 구분하는 의미는 포착하지 못한다.출처: §I · p. 1
  • 본 연구는 13개월에 걸쳐 수집한 2.9M개의 이메일을 분석하고, 메시지 본문과 첨부파일을 함께 살펴보며, 사람의 표본 주석으로 검증한 LLM 주석기를 사용한다.테마, 행동 유도(call to action), 사칭 대상과 이들의 동시 출현, 그리고 과거 데이터셋과 비교한 변화를 살펴본다.출처: §I · pp. 1–2

주요 발견

  • 어떤 테마도 이메일의 21.3%를 넘지 않는 반면, URL 탐색은 CTA의 73.0%를 차지한다. 이는 미끼는 다양하지만 피해자에게 요구하는 대응은 한 가지로 수렴함을 보여준다.사칭은 흔하지만 다양한 브랜드에 걸쳐 긴 꼬리 형태로 분산되어 있다.출처: §I · p. 2
  • CTA와 사칭 대상은 테마에 따라 달라진다. 인보이스 이메일은 전화 통화를 유도하는 경우가 더 많고, 갈취 이메일은 흔히 암호화폐를 요구한다.사칭은 정부나 인보이스처럼 조직의 정당성을 빌리는 테마에서 갈취나 연애 테마보다 더 흔하다.출처: §I · p. 2
  • 이미지는 메시지 본문을 보완하고, PDF는 미끼 내용을 담아 본문을 대체하며, 캘린더 초대는 접점을 강화한다. 전화번호가 포함된 ICS의 97.8%는 본문에 있는 번호를 반복한다.PDF는 Invoice/오프라인 소통/민간 기업 사칭 구성(64.6%)에 집중되며, 캘린더 알림은 반복되는 접점을 지속적으로 남긴다.출처: §I · p. 2
  • Invoice CTA 중 오프라인 소통은 2015년 6.7%에서 2025년 46.9%로 증가한 반면, Account는 어휘가 바뀌어도 안정적인 CTA 구조를 유지했다.본 연구는 Nazario 코퍼스를 이용해 시간에 따라 지속된 테마를 비교한다.출처: §I · p. 2

II. 배경

이 논문은 피싱 이메일을 공격 콘텐츠를 담을 수 있는 첨부파일과 메시지 텍스트의 결합으로 보고, 시간에 따른 변화와 함께 각 구성 요소를 연구한다.

II. 배경

  • 피싱 콘텐츠는 메시지 본문에 보이거나 첨부파일에 있거나 둘 다에 있을 수 있으므로, 텍스트만 분석하면 이미지, PDF, 캘린더 초대에 담긴 콘텐츠를 놓친다.이 연구는 이러한 구성 요소를 주변 메시지 텍스트와 비교한다.출처: §II · p. 3

III. 피싱 이메일 생태계 분석 계획

  • 분석에서는 theme, CTA, impersonation이 어떻게 함께 나타나는지, 첨부파일에 무엇이 담기는지, 지속되는 theme이 시간에 따라 어떻게 변하는지 살펴본다.시간에 따른 비교는 동일한 theme 내부의 패턴에 초점을 둔다.출처: §III · p. 3

A. 실제 피싱 이메일 수집

  • APWG와의 협력으로 13개월 동안 이메일 3.8 million건을 수집했으며, 중복 제거 및 완전성 검사를 거쳐 유효한 이메일 2.9M건(76.4%)을 확보했다.이 연구에서 메시지 텍스트는 제목과 화면에 보이는 본문 텍스트의 합이며, 첨부파일은 보존된 이미지, PDF, 캘린더 초대를 뜻한다.출처: A. Real-world Phishing Email Collection · p. 3
  • 이 연구는 수신자가 실제로 보는 내용을 대상으로 하며, 가능한 경우 HTML을 사용하고 화면에 보이지 않는 텍스트는 제거한다.보이지 않는 텍스트는 부록에서 별도로 분석한다.출처: A. Real-world Phishing Email Collection · pp. 3–4
  • 추출 결과, 첨부파일이 있는 이메일은 371,662건이었으며, 이미지가 있는 이메일은 188,821건, PDF가 있는 이메일은 138,992건, 캘린더 초대가 있는 이메일은 56,831건이었다.콘텐츠를 LLM 분석에 제출하기 전에 신고자 및 수신자 식별자와 불필요한 기타 신고 메타데이터를 제거했다.출처: A. Real-world Phishing Email Collection · p. 4

B. LLM을 이용한 피싱 정보 검색

논문은 LLM으로 대규모 피싱 콘텐츠를 분류하고, 연구자 레이블과 대조해 검증한 뒤 콘텐츠 유형과 코퍼스별 패턴을 비교한다.

B. LLM을 이용한 피싱 정보 검색

  • LLM 분류는 bag-of-words의 한계를 보완한다. 단어 빈도 모델은 서로 반대 방향의 행동을 지시하는 문장을 혼동할 수 있으며, 이는 피싱 요청을 식별할 때 중요하다.저자들은 문맥 추론을 사용해 대규모 이메일에서 정보를 추출한다.출처: B. Phishing Information Retrieval… · p. 4
  • 이미지의 경우 theme 및 CTA 분류는 정보를 담은 문서와 배너에 한정되지만, impersonation 분류에는 로고도 포함된다.파이프라인은 먼저 이미지에 기능적 역할을 부여한다. 프롬프트 지침은 모델에 이미지에 삽입된 명령을 따르지 말고 분류하도록 지시한다.출처: B. Phishing Information Retrieval… · p. 4
  • GPT-5.1은 theme (0.988), CTA (0.990), impersonation (0.984)에서 메시지 텍스트 F1이 가장 높아, 저자들은 이후 분석에 이를 사용한다.연구자 두 명이 무작위로 추출한 이메일 1,000개의 표본에 독립적으로 레이블을 지정하고, 두 사람의 의견이 일치한 레이블을 채택했다.출처: B. Phishing Information Retrieval… · p. 5
  • GPT-5.1의 첨부파일 검증 F1 점수는 이미지 기능적 역할 분류에서 0.970, 이미지 콘텐츠 분류에서 0.951/0.975/0.975, PDF 분류에서 0.979/0.989/0.995다.이미지 콘텐츠 점수는 각각 theme, CTA, impersonation에 해당하며, PDF 점수도 동일한 세 레이블을 사용한다.출처: Table III · p. 4, B. Phishing Information Retrieval… · p. 5

C. 분석 방법론

  • 역사적 비교는 여러 코퍼스에서 충분한 데이터가 있는 Account와 Invoice 테마에 초점을 맞추며, 2025년 중복 표본과 크기를 맞춘 하위 표본을 사용해 코퍼스 차이를 보정한다.Nazario 코퍼스와의 첨부파일 비교는 복원된 첨부파일이 적어 정량적 비교가 아닌 방향성 비교로 수행한다.출처: C. Analysis Methodology · pp. 5–6

IV. RQ1: 피싱 이메일 콘텐츠 분류

피싱 테마 전반에서 요청된 행동은 서사적 구실보다 훨씬 더 집중되어 있다. 이 절에서는 식별 가능한 테마가 없는 이메일과 URL이 아닌 응답 경로도 살펴본다.

1) 테마:

  • 어떤 테마도 이메일의 21.3%를 넘지 않는다. 프로모션이 21.3%로 가장 많고, 인보이스가 16.2%, 계정이 12.9%로 뒤를 잇는다.상위 5개 테마가 전체의 72.3%를 차지하며, 나머지 10개 테마는 긴 꼬리를 이룬다.출처: 1) Themes · p. 6
  • 이메일의 5.3%는 테마를 식별하기에 콘텐츠가 충분하지 않지만, VirusTotal 엔진 4개 이상이 표시한 URL을 통해 피싱으로 확인됐다.갈취 이메일은 제목이 비교적 짧고 본문은 가장 긴 편에 속한다.출처: 1) Themes · p. 6

2) CTA:

  • 이메일의 73.0%는 URL 이동을 요청하며, 22.3%는 URL이 아닌 행동을 요청하거나 URL과 함께 요청한다.오프라인 소통은 13.6%를 차지한다. URL을 무력화해도 URL과 다른 행동을 함께 요청하는 이메일에서는 부차적 행동이 그대로 남는다.출처: 2) CTAs · pp. 6–7
  • URL만 분석하면 요청된 유일한 행동이 URL 이동이 아닌 이메일을 놓치며, URL 이동과 다른 행동을 결합한 이메일도 완전히 차단하지 못한다.저자들은 전화번호, 지갑 주소, 첨부 파일, 회신 주소를 추가 탐지 신호로 제시한다. Monero 거래는 공개적으로 관찰할 수 없으므로, 관찰된 암호화폐 결제는 보수적인 추정치다.출처: 2) CTAs · pp. 6–7

3) 사칭:

사칭은 흔하지만 집중도는 사칭 대상 유형에 따라 다르며, CTA와 사칭 양상 모두 피싱 테마에 따라 달라진다.

3) 사칭:

  • 이메일의 63.5%에는 기업 사칭이, 4.1%에는 정부 사칭이 나타나며, 32.3%에는 메시지 콘텐츠 내 사칭이 없다.이 비율은 수신자가 보는 이메일 콘텐츠를 대상으로 하며, 수신자가 삽입된 URL을 클릭한 뒤에만 나타나는 사칭은 포함하지 않는다.출처: 3) Impersonation · p. 7
  • 정부 사칭은 더 적은 수의 개체에 집중되는 반면, 기업 사칭은 수만 개 브랜드에 걸쳐 나타난다.상위 100개 개체가 정부 사칭 이메일의 57.3%, 기업 사칭 이메일의 43.8%를 차지한다. 이는 상위 100개 브랜드가 90%를 넘게 차지하는 피싱 웹페이지와 다르다.출처: 3) Impersonation · p. 7, Figure 3 · p. 7

1) 테마–CTA 연관성:

  • 전체의 73.0%를 차지하는 URL 이동은 로맨스 이메일의 94%에서 내부 업무 이메일의 18%까지 차이를 보인다.인보이스 테마에서는 오프라인 연락(59%), 갈취 테마에서는 암호화폐 결제(51%), 내부 업무 테마에서는 이메일 답장(60%)을 선호한다.출처: 1) Theme–CTA Associations · pp. 7–8, Figure 4 · p. 8

2) 테마–사칭 연관성:

사칭 비율과 사칭 대상은 피싱 테마에 따라 다르다. 이미지는 대체로 메시지 텍스트의 사전 내용을 보강하지만, 때로는 텍스트에 없는 공격 콘텐츠를 제공한다.

2) 테마–사칭 연관성:

  • Government, Survey, Invoice 테마에서는 사칭 비율이 높은 반면, Extortion과 Romance에서는 상당히 낮다.주요 사칭 대상은 테마의 사전 내용과 일치한다. Government에서는 Social Security Administration, Survey에서는 Costco, Invoice에서는 PayPal이 대표적이다.출처: 2) Theme–Impersonation Associations · p. 8, Figure 5 · p. 8

2) 메시지 텍스트에서의 이미지:

  • 이미지는 주로 메시지 텍스트를 보완하지만, 일부 사례에서는 텍스트에 빠진 테마, CTA, 사칭 정보를 제공한다.텍스트에 테마가 없는 이미지 포함 이메일 중 55.9%에서는 이미지가 테마를 제공했고, 누락된 CTA와 사칭 정보는 각각 55.5%와 48.4%에서 이미지가 제공했다.출처: A. Images: Supplementing Message Text · p. 8, 2) Images in the Message Text · p. 9

1) 이미지의 특성:

  • 이미지 전달 채널마다 콘텐츠가 다르다. data-URI 이미지는 브랜딩 성격이 강하고, 첨부 이미지는 독립적으로 완결된 시각 자료인 경우가 많으며, CID 이미지는 두 특성을 모두 보인다.코퍼스에는 188,821개 이메일에 걸쳐 이미지 272,124개가 포함되었으며, CID 참조가 가장 흔한 채널이었다(66.6%).출처: 1) Characteristics of Images · pp. 8–9, Table VI · p. 9

2) 메시지 텍스트에서의 이미지:

  • 이미지의 역할은 메시지 텍스트의 테마와 부합하는 경우가 많다. 예를 들어 Romance에는 인물 사진이, Shipping과 Invoice에는 문서 이미지가 자주 쓰인다.Romance 이미지는 81%가 Profile/Human 사진이었고, Document/Letter 이미지는 Shipping 이미지의 58%, Invoice 이미지의 56%를 차지했다.출처: 2) Images in the Message Text · p. 9, Figure 6 · p. 9

B. PDF: 피싱 콘텐츠의 주요 전달체

PDF는 메시지 본문에 없는 피싱 콘텐츠를 담는 경우가 많으며, 인보이스–오프라인 소통–기업 사칭 구성에 집중된다. 캘린더 초대는 대개 상호작용 엔드포인트를 반복해 포함하고 알림을 통해 다시 노출할 수 있다.

B. PDF: 피싱 콘텐츠의 주요 전달체

  • PDF는 메시지 본문에 없는 테마, CTA, 사칭 정보를 PDF 포함 이메일의 각각 28.0%, 79.0%, 85.4%에서 제공한다.메시지 본문에 이 요소 중 하나라도 없으면 첨부 PDF가 거의 항상 이를 제공하며, PDF 포함 이메일은 본문도 상당히 짧다.출처: B. PDFs: Primary Carriers of Phishing… · p. 10, Table VII · p. 10
  • 인보이스, 오프라인 소통, 기업 사칭은 PDF 콘텐츠의 각각 73.2%, 83.8%, 90.8%를 차지한다.이 세 요소의 결합 구성은 PDF의 64.6% (92,495건)에 해당한다.출처: B. PDFs: Primary Carriers of Phishing… · p. 10, Table VII · p. 10
  • PDF 피싱은 좁은 공격 구성에 집중하지만 콜백 전화번호는 여러 곳에 분산되어 있다.기업을 사칭하는 PDF 중 PayPal이 52.2%를 차지하지만, 가장 빈번한 전화번호 10개를 합쳐도 전화번호가 포함된 PDF의 10.7%에 불과하다.출처: B. PDFs: Primary Carriers of Phishing… · p. 10

C. ICS: 상호작용 엔드포인트 강화

  • ICS 첨부의 81.4%에 전화번호가, 25.5%에 URL이 포함되며, 대개 메시지 본문에 이미 있는 엔드포인트를 반복해 포함한다.누락된 엔드포인트를 제공하고 캘린더 표시 알림을 통해 전화번호를 다시 노출할 수도 있다.출처: C. ICS: Reinforcing Interaction… · p. 11

VI. RQ3: 시간적 비교

지속적으로 나타난 Account 및 Invoice 테마를 대상으로 현대 코퍼스와 과거 Nazario 코퍼스를 연결해 비교했다. 두 테마의 추이는 달랐다. Account는 CTA와 사칭 양상이 비교적 안정적으로 유지된 반면, Invoice는 뚜렷한 어휘 변화와 함께 CTA가 크게 바뀌었다.

A. 과거 코퍼스 특성

  • 과거 데이터의 비텍스트 자료는 희소하다. Nazario에는 PDF 94개와 Document/Letter 이미지 19개만 있으며, 연도별 분포도 고르지 않다.이 자료는 코퍼스 간 비교에는 활용할 수 있지만, 단독으로 종단적 추론을 뒷받침하지는 못한다.출처: A. Historical Corpus Characterization · p. 11

B. 과거 코퍼스와 현대 코퍼스 연결

  • 중복되는 2025년 표본에서 CTA, 사칭, 어휘 특성의 테마 내 구조는 현대 코퍼스와 Nazario 코퍼스 간에 유사했다.두 코퍼스 간 CTA 차이는 각 코퍼스 내 Account와 Invoice 간 차이보다 작았다.출처: B. Bridging Historical and Modern… · p. 11

C. 지속 테마 내 시간적 변화

  • Invoice의 지배적 CTA는 2025년에 Offline Communication으로 바뀌어 2015년 6.7%에서 46.9%에 이르렀고, Account에서는 URL Navigation이 연간 90.2–98.7%로 계속 우세했다.Invoice의 사칭 양상은 비교적 안정적으로 유지되었으며, Account에서는 보정 후 연속된 연도 간 CTA 변화가 유의하지 않았다.출처: C. Temporal Changes within Persistent… · p. 12

D. 지속 테마 내 어휘 변화

  • CTA와 사칭 양상은 안정적으로 유지된 가운데, Account의 어휘는 메일함 관리에서 클라우드에 저장된 콘텐츠로 이동했다.과거 용어에는 “mail”과 “server”가, 현대 용어에는 “cloud”, “photos”, “storage”가 포함된다.출처: D. Lexical Change Within Persistent… · p. 12
  • CTA가 바뀐 가운데 Invoice의 어휘 변화는 비교적 제한적이었으며, 현대 메시지에는 금액과 날짜 같은 거래 세부 정보가 더 자주 포함된다.과거 Invoice 메시지에서는 “download”가 더 자주 사용되었다.출처: D. Lexical Change Within Persistent… · p. 12

VII. 관련 연구

이 논문은 대규모·다중 구성요소 분석을 선행 연구와 대비한다. 선행 연구는 코퍼스, 방법, 분석 단위의 제약을 받았다. 또한 방어 측면의 시사점을 도출하되, 발생률과 과거 추이에 관한 주장은 관측된 데이터와 이용 가능한 테마에 한정한다.

VII. 관련 연구

  • 선행 연구는 현대 피싱을 제한적으로만 파악했고, 주로 텍스트에 초점을 두었으며, 콘텐츠 간 연관성을 대규모로 체계적으로 정량화하지 않았다.일부 연구는 의미 맥락을 제한적으로만 제공하는 bag-of-words 방법도 사용했다.출처: §VII · pp. 12–13

A. 완화

  • 방어 체계는 첨부파일과 URL이 아닌 상호작용 경로도 검사하고, 개별 지표에만 의존하기보다 테마를 고려한 설정을 적용해야 한다.PDF는 본문에 없는 CTA를 제공할 수 있으며, 캘린더 초대장은 상호작용 엔드포인트를 보존하고 다시 노출할 수 있다.출처: A. Mitigation · p. 13
  • Invoice 피싱은 오프라인 소통 방식으로 이동한 반면 Account 피싱은 비교적 안정적인 CTA 구성을 유지했다. 이는 탐지 모델과 교육 시나리오를 주기적으로 재평가해야 함을 뒷받침한다.Invoice 테마에서 오프라인 소통 방식은 CTA 중 6.7%에서 46.9%로 증가해 2025년에 우세해졌다.출처: A. Mitigation · p. 13

B. 한계

  • 발생률 추정치는 전체 피싱이 아니라 APWG에 보고된 이메일을 나타내며, 과거 비교는 Account와 Invoice만을 다룬다.종단 분석에는 APWG와 Nazario 코퍼스 간 차이가 반영되었을 수 있으며, 과거 첨부파일 데이터의 범위는 제한적이다.출처: B. Limitations · p. 13

IX. 결론

  • 2.9M개 이메일 전반에서 테마는 다양하고 CTA 및 사칭 선택은 테마와 연관되어 있으며, 첨부파일은 본문을 보완하거나 대체하거나 강화한다.Invoice 피싱은 오프라인 소통 방식으로 이동한 반면, Account 피싱은 비교적 안정적인 CTA 구성을 유지했다.출처: §IX · pp. 13–14

윤리적 고려사항

  • 이 연구는 LLM 분석 전에 보고 메타데이터와 수신자를 식별하는 불필요한 정보를 제거하고, 집계 결과를 보고하며, 사례를 비식별화한다.원본 코퍼스나 현재 작동 중인 피싱 URL은 공개하지 않으며, 코퍼스 사용에는 APWG의 데이터 공유 계약이 적용된다.출처: ETHICS CONSIDERATIONS · p. 14

부록 B 질의 및 프롬프트

부록에서는 피싱 콘텐츠 분류에 쓰이는 질의 프롬프트와 판단을 제약하는 규칙을 설명한다. 또한 매크로 평균 검증에서는 각 클래스를 동등하게 취급한다고 밝힌다.

부록 B 질의 및 프롬프트

  • 프롬프트는 범주 선택지와 정의를 사용해 테마, 요청된 행동(CTA), 사칭, 이미지의 기능적 역할을 분류한다.프롬프트 템플릿에는 Table XIII의 범주와 정의가 포함된다.출처: Appendix B · p. 16
  • 분류 규칙은 명시적 근거를 요구하고, 추측하거나 제외된 맥락에 의존하는 것을 금지하며, 여러 행동 유형이 명시적으로 요청된 경우를 제외하면 주요 유인 요소를 선택하도록 한다.사칭으로 분류하려면 콘텐츠가 자신을 조직으로 명시적으로 제시해야 하며, 조직을 단순히 언급하는 것만으로는 충분하지 않다.출처: Appendix B · p. 16
  • 프롬프트는 JSON만 출력하도록 형식을 지정하고, 사칭은 조직을 명시적으로 자신으로 제시해야 한다는 규칙을 둔다.출력은 JSON 배열로 구성된다.출처: Appendix B · p. 16
  • 매크로 평균 검증에서 보고되는 precision, recall, F1은 각 클래스를 동등한 가중치로 반영한다.표 캡션은 점수 자체가 아니라 지표의 가중 방식을 설명한다.출처: Table IX · p. 17

부록 C 거시 평균 검증 성능

거시 평균 검증 결과, theme, CTA, impersonation 전반에서 GPT-5.1의 성능이 높게 나타났다. 부록에서는 메시지 길이의 편차와 암호화폐 결제 및 주소 패턴도 설명한다.

부록 C 거시 평균 검증 성능

  • 0.967, 0.971, 0.963은 각각 theme, CTA, impersonation에 대한 GPT-5.1의 macro-F1 점수다.각 클래스에 동일한 가중치를 부여하며, 결과는 성능이 빈도가 높은 클래스에만 좌우되지 않음을 보여준다.출처: Appendix C · p. 17

부록 D theme별 제목 및 본문 길이

  • Extortion의 본문 길이 중앙값은 2,272 characters로 가장 길고, Shipping의 본문 길이 중앙값은 가장 짧다.Extortion 이메일에는 위협, 암호화폐 송금 안내, 기한이 포함될 수 있으며, Shipping 이메일은 간결한 거래 정보를 사용한다.출처: Appendix D · p. 17, Figure 9 · p. 18

부록 E 암호화폐 주소 분석

  • 고유 지갑 주소 2,539개 중 438개(17.2%)는 두 개 이상의 이메일에 등장하며, 주소 출현 횟수의 75.3%를 차지한다.가장 자주 등장한 주소는 서로 다른 이메일 465개에서 나타난다.출처: Appendix E · p. 17
  • Bitcoin에서는 고유 주소 1,612개가 6,531회 등장하며, Litecoin 이메일에는 이메일당 고유 bech32 주소가 거의 하나씩 포함된다.Litecoin의 경우 1,070회 등장한 주소 중 bech32 주소는 917개이며, Table XII에는 전체 주소 919개가 포함된다.출처: Appendix E · p. 17

부록 D theme별 제목 및 본문 길이

  • Internal Business와 Extortion의 제목 길이 중앙값은 각각 20 및 28 characters다.대부분의 theme에서 제목 길이는 비슷하며, 이 두 theme에서 두드러진 차이가 나타난다.출처: Appendix D · p. 17, Figure 9 · p. 18

부록 E 암호화폐 주소 분석

  • ρ = 0.02 (n = 170)은 Bitcoin 주소 재사용과 수익 간 순위 상관이 무시할 정도로 작음을 나타낸다. 자금이 입금된 Bitcoin 주소는 평균 24.0회, 입금되지 않은 주소는 1.71회 등장했다.네 개 체인을 비교한 사례에서는 Bitcoin 주소에만 자금이 입금됐고 Litecoin, Ethereum, Tron 주소는 잔액이 없었다.출처: Appendix E · pp. 18–19
  • 주소 2,539개 중 215개(8.5%)가 결제를 받아 총 816건의 거래에서 $414,979가 모였으며, Bitcoin이 87.7%를 차지했다.입금된 주소의 중앙값은 $1,396를 모았으며, 가장 큰 주소 10개가 수익의 25.1%를 합산해 보유했다.출처: Appendix E · p. 18, Table XII · p. 19

부록 F 피싱 이미지 사례

부록에는 여러 기능적 역할 범주를 대표하는 이미지가 제시된다. 예시에는 식별 가능한 역할이 없는 이미지, 로고만 있는 이미지, 문서 이미지와 홍보 이미지가 포함된다.

부록 F 피싱 이미지 사례

  • Figure 10은 “식별 가능한 역할 없음”으로 분류된 이미지를 보여준다.부록은 이 이미지를 해당 범주의 대표 사례로 제시한다.출처: Appendix F · p. 19
  • 이 절의 Figures 11 and 12는 “로고만 있음”의 두 가지 형태인 엠블럼형 로고와 워드마크를 각각 보여주며, 각 이미지 역할의 대표 사례다.출처: Appendix F · p. 19
  • Figures 13 and 14는 각각 “문서/서한” 이미지와 “광고/홍보 배너” 이미지를 보여준다.출처: Appendix F · p. 19

부록 G 테마, CTA 및 사칭 분석

문서/서신 이미지와 광고/홍보 배너 이미지는 서로 다른 테마–CTA 구성을 보이며, 과거 피싱 분포에서는 계정 테마의 지속적인 우세와 테마 및 사칭 양상의 변화를 확인했다. GPT-5.1을 사용해 콘텐츠를 분류했으며, 사람 주석 표본과 대조해 평가했다.

이미지 역할

  • 문서/서신 이미지는 인보이스(72.7%)와 오프라인 연락(76.3%)에 집중되는 반면, 광고/홍보 배너 이미지는 프로모션(78.1%)과 URL 이동(69.0%)을 중심으로 한다.두 역할 모두 주로 민간 기업 사칭을 사용하며(각각 86.5%와 72.9%), ‘명시적 행동 없음’은 문서보다 배너에서 더 흔하다(23.7% 대 12.3%).출처: IMAGE ROLE · p. 19, Table XIV · p. 22, Table XV · p. 22
  • 2015–2025년 동안 계정 테마는 매년 가장 큰 비중을 차지했으며(42–79%), 인보이스는 대체로 10–25%를 차지했다.URL 이동이 여전히 지배적인 CTA인 가운데, 테마와 사칭 양상은 시간에 따라 변한다.출처: IMAGE ROLE · p. 19, Figure 15 · p. 20

부록 I 생성형 AI 사용

  • GPT-5.1은 사람 주석 표본과 대조해 평가한 뒤 메시지 텍스트, 이미지, PDF를 테마, CTA, 사칭 기준으로 분류하고, 이미지 기능 역할도 분류한다.분류 체계, 프롬프트, 방법론, 분석, 해석 및 주장의 책임은 저자에게 있다.출처: Appendix I · p. 19
Loading 2609.30683v1…