인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Online illegal content increasingly leverages sophisticated obfuscation techniques to evade detection,creating a growing need for advanced multimodal Open-Source Intelligence (OSINT) analysis. However, even LLM-based single-agent systems often struggle to preserve explicit context across diverse signals and fail to reason effectively about obfuscated patterns. To overcome these limitations, we introduce an LLM-based multi-agent system equipped with two key mechanisms: (1) an Orchestrator-Workers workflow that maintains explicit shared contexts while delegating specialized multimodal reasoning tasks, and (2) an iterative Evaluation-Feedback Loop designed to progressively counter complex obfuscation techniques. Using a dataset of 768 gambling-related websites, we benchmarked our multi-agent system against a single-agent baseline based on prompt chaining. Our system consistently outperformed the baseline across classification metrics, including precision, recall, and F1-score, demonstrating improved robustness against obfuscation. These results highlight the effectiveness of distributing multimodal reasoning across coordinated agents and offer practical guidelines for building automated, large-scale illegal content classification systems.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096522640
