mistral-7b-phishing-ko

Mistral-7B — Korean Phishing Email Detection (LoRA)

한국어 피싱 이메일 탐지를 위해 Mistral-7B-Instruct-v0.3를 LoRA 파인튜닝한 모델입니다.

NIPA 2026 오픈소스 AI·SW 활용 지원사업 (CAiON SecOps) PoC 산출물로, 실제 보안 운영 환경(ISMS 인증 기업)에서 수집한 데이터로 학습하고 검증했습니다.

라이브 데모

👉 HuggingFace Spaces 데모

피싱 이메일을 입력하면 실시간으로 분류 → 위협 분석 → 에이전틱 조치 제안까지 확인할 수 있습니다.

성능 (PoC 230건 테스트셋)

PoC 230건 기준 수치이며, 본 과제에서 5,000건 이상으로 확대 검증 예정입니다.

모델 파일

사용 방법

GPU 환경 (LoRA 어댑터)

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base = AutoModelForCausalLM.from_pretrained(
    "mistralai/Mistral-7B-Instruct-v0.3",
    load_in_4bit=True,
    device_map="auto",
)
model = PeftModel.from_pretrained(base, "joohans/mistral-7b-phishing-ko")
tokenizer = AutoTokenizer.from_pretrained("mistralai/Mistral-7B-Instruct-v0.3")

prompt = "[INST] 다음 이메일이 피싱인지 판단하세요.\n\n{email_text} [/INST]"

CPU 환경 (GGUF Q4_K_M)

from huggingface_hub import hf_hub_download
from ctransformers import AutoModelForCausalLM

gguf_path = hf_hub_download(
    repo_id="joohans/mistral-7b-phishing-ko",
    filename="mistral-7b-phishing-ko-Q4_K_M.gguf",
)
llm = AutoModelForCausalLM.from_pretrained(
    gguf_path, model_type="mistral",
    context_length=2048, threads=4,
)

학습 정보

한국어 피싱 탐지에서의 차별점

일반적인 피싱 탐지 모델은 영어 데이터 위주로 학습되어 한국어 피싱 메일의 특성을 반영하지 못합니다.

이 모델은 다음을 고려하여 학습했습니다:

• 한국 금융기관·공공기관 사칭 패턴 (국세청, 금감원, 카카오, 네이버 등)
• 한국어 긴급성 표현 ("즉시", "24시간 내", "계정 정지" 등)
• 한국어 맞춤법·띄어쓰기 변형을 이용한 우회 시도
• 한글-영어 혼용 URL 패턴

소스 코드

전체 학습 스크립트 및 평가 코드: 👉 github.com/jsong1230/caion-secops-poc

라이선스

MIT License — 상업적 사용 포함 자유롭게 활용 가능합니다.

개발

CPLabs (주식회사 씨피랩스) — NIPA 2026 오픈소스 AI·SW 활용 지원사업