Executive Summary

주요 수치

출처: Traister 외 (2026), arXiv:2608.24127 §4.1~4.5

"안타깝지만 저희가 고객님 신용 보고서를 조회할 방법은 사회보장번호밖에 없습니다. 그것뿐이에요." 논문이 첫머리에 실어 둔 통화 한 토막이다. 이렇게 말한 사기범은 자동차보험 견적을 요청한 소비자에게 전화를 걸었다고 믿고 있었다. 신청서에 적힌 이름과 생년월일은 실존하지 않는 사람의 것이었고, 수화기 너머에서 번호를 말하기를 망설이던 목소리는 언어모델이었다.

기존 전화 사기 연구는 대체로 두 자리 중 하나에 선다. 신고 데이터베이스는 사기가 일어났다는 사실과 피해 금액을 남기고, 수동형 텔레포니 허니팟은 어떤 번호가 몇 번 걸었는지를 남긴다. 정작 대화 자체는 거의 잡히지 않는다. 전화를 받지 않으면 대사가 남지 않기 때문이다.

이 허니팟은 기다리지 않는다. 자동차보험, 건강보험, 메디케어, 자동차 워런티, 가정 보안, 채무 조정 업종의 온라인 견적 신청 폼에 자기 번호를 직접 집어넣는다. 그렇게 만들어진 리드는 데이터 중개업체를 거쳐 되팔리고, 그중 일부가 텔레마케팅 콜센터와 사기 조직에 닿는다. 걸려 온 전화는 음성인식과 언어모델과 음성합성을 엮은 에이전트가 받는다. 중앙값 1.16초 안에 대답하고, 상대의 말을 전부 믿어 주고, 질문으로 시간을 끈다. 먼저 끊는 일은 없다.

수집은 2026년 5월 28일부터 7월 21일까지 54일간 이뤄졌고 그 뒤 종료됐다. 그래서 이 논문은 진행 중인 데이터의 스냅숏이 아니라 닫힌 코퍼스 전체를 다룬다. 실 트래픽 1만 211통, 오디오 913시간, 전사된 턴 33만 956개, 서로 다른 발신번호 5,780개다. 이 가운데 두 턴 이상이 오간 6,619통이 대화로 분석됐다.

첫 질문은 단순하다. 사기범도 근무시간을 지키는가. 수집 기간 평균으로 평일에는 하루 253통이 걸려 왔고 주말에는 38통이 걸려 왔다. 6.6배 차이다. 통화량은 낮 시간대에 몰리고 밤에는 거의 0에 가깝다. 미국 동부시간 축에 놓고 보면 동부가 업무를 시작할 때 올라가기 시작해 서부가 문을 닫을 무렵에야 내려간다. 아무 때나 자동으로 돌아가는 잡음이 아니라 정규 일정을 지키는 조직의 산출물처럼 움직인다.

두 번째 질문은 그 전화들이 저마다 다른 사기냐는 것이다. 연구진은 실질적인 대화가 오간 통화의 오프닝 5,916건을 모아 TF-IDF와 k-평균으로 묶었다. 실루엣 점수로 고른 클러스터 수는 서른 개다. 이 오프닝들은 3,652개의 서로 다른 번호에서 걸려 왔는데, 상위 다섯 개 클러스터가 전체 오프닝의 50%를 차지했다. 열 개까지 70%, 열다섯 개까지 84%다. 클러스터 하나를 돌리는 번호는 중앙값 102개였고, 가장 큰 클러스터는 685개 번호가 같은 대사를 읽었다.

대사 목록은 알아보기 쉽다. 보험 견적 콜백, 메디케어 혜택 안내와 녹음 로보콜, 당뇨 용품, 자동차보험, 채무 조정, 세금 구제, 생명·장례보험, 홈 워런티, 창문 교체다. 그중에는 미끼 신청서에 적어 둔 차종을 그대로 읽어 주는 자동차 서비스 계약 각본도 있었다. 업종이 드러나지 않는 두 클러스터 1,403건에는 억지로 이름을 붙이는 대신 혼합이라는 라벨이 달렸다.

이 목록을 보면 반론이 하나 떠오른다. 보험 견적 콜백은 사기처럼 들리지 않는다. 저자들은 두 가지로 답한다. 첫째, 그 신청서를 작성한 소비자가 애초에 없다. 둘째, 이 트래픽 대부분은 저자들의 정의상 스캠이 아니라 스팸이다. 판정이 내려진 6,374통 가운데 스팸이 3,949통, 스캠이 949통, 정상이 380통, 판단 보류가 1,096통이었다. 문제는 같은 오프닝이 어떤 통화에서는 평범한 영업 이관으로 끝나고 어떤 통화에서는 사회보장번호 요구로 끝난다는 점이다. 전화를 받는 순간에는 둘을 구분할 수 없다.

구분할 수 없다는 말이 사실인지 연구진은 벤치마크로 확인했다. 과제는 이렇다. 사기범의 첫 발화 k줄만 주고, 이 통화가 나중에 민감정보 요구까지 도달할지 맞힌다. 평가는 발신번호가 학습과 테스트에 겹치지 않는 분할에서 이뤄진다. 한 번호가 79통까지 거는 경우가 있어서, 무작위로 나누면 모델이 특정 발신자의 말버릇을 외워 버리기 때문이다. 6,374통 중 1,115통이 민감정보 요구에 도달하니 양성 비율은 17.5%다.

TF-IDF에 로지스틱 회귀를 얹은 단어 가방 분류기는 첫 줄만으로 ROC-AUC 0.72를 냈다. 셋째 줄까지 0.78, 여덟째 줄까지 0.87이다. 양성이 드문 데이터에서 더 정직한 지표인 평균 정밀도로 보면 0.36에서 0.58로 올라간다. 5겹 교차검증도 0.69에서 0.87로 같은 모양을 그렸다.

이 결과를 쓸모 있게 만드는 것은 점수 자체가 아니라 사다리다. 연구진은 용량이 커지는 순서로 모델을 늘어세우고 똑같은 분할에서 성능을 견줘 봤는데, 위쪽 어느 것도 맨 아래를 이기지 못했다. 바라던 성과 대신 기대가 빗나갔다는 확인이 나온 셈인데, 저자들은 그쪽이 더 값지다고 적었다. 가운데에 놓인 문장 임베딩 고정 방식은 단어 가방을 조금 밑도는 선에서 따라왔다. 맨 위의 Qwen2.5 0.5B와 1.5B를 저랭크 어댑터로 미세조정한 모델은 초반 세 줄에서 근소하게 앞섰다. 평균 정밀도 0.46 대 0.43이다. 그런데 정보가 쌓일수록 뒤집혀서, 여덟째 줄에서는 ROC-AUC 0.82로 단어 가방의 0.87에 밀렸다. 모델 용량이 이 과제에서 사실상 아무것도 사 주지 못했다는 것이 저자들의 표현이다.

이긴 모델이 무엇인지가 방어 쪽에서는 결과 자체보다 중요하다. 단어 n-그램 위의 선형 분류기는 몇 메가바이트에 들어가고, 통화 한 건을 마이크로초 단위로 채점하며, 가속기가 필요 없다. 단말기 안에서도 통신사 교환기에서도 돌아간다. 번호를 계속 갈아 치우는 트래픽 앞에서 메타데이터 기반 블랙리스트가 무력해지는 바로 그 지점을, 콘텐츠 기반 조기 탐지가 싼값에 메울 수 있다는 뜻이다.

저자들은 이 결과가 자기들의 이전 판단을 뒤집는다는 점을 본문에 적어 두었다. 더 작은 스냅숏과 더 느슨한 라벨로 봤을 때는 언어모델이 앞섰는데, 코퍼스가 3분의 1 커지고 라벨링이 사람 판단에 가까워지자 그 우위가 사라졌다. 미세조정을 오래 하지 않았으니 언어모델이 이길 수 없다는 뜻은 아니고, 공짜로 이기지는 못한다는 뜻이라고 선을 그었다. 같은 오프닝으로 사기 유형을 맞히는 가벼운 과제에서는 첫 줄 정확도 60%, 셋째 줄 72%가 나왔다. 다수결 기준선은 49.7%다.

요구가 한 번이라도 있었던 통화는 2,654건이다. 그 안에서 가장 자주 나온 것은 결제 수단이 아니었다. 집 주소가 1,722건, 생년월일이 1,518건으로 압도적이고, 사회보장번호가 526건으로 그 뒤를 잇는다. 신용카드는 387건, 메디케어 식별번호는 278건, 계좌와 라우팅 정보는 224건이었다. 직접 송금 요구는 123건, 기프트카드는 10건에 그쳤다. 주소와 생년월일은 신원 도용의 재료이자, 다음 통화에서 더 정확히 겨냥하기 위한 자격 심사 재료다.

압박하는 방식도 통념과 어긋난다. 노골적인 협박이나 마감 시한 압박은 드물었다. 훨씬 흔한 것은 상대가 피하는 요구를 계속 되돌아와 반복하는 끈질김, 그리고 권위를 꾸며 내는 방식이었다. 연구진은 붙어 있는 이 두 수법을 갈라서 셌다. 하나는 보험사나 특정 기업, 국세청이나 사회보장국 같은 정부기관, 은행처럼 이름 있는 기관을 사칭하는 쪽이다. 다른 하나는 어느 기관도 대지 않은 채 확인 담당자나 준법 부서라고만 자처해 공적인 인상만 지어내는 쪽이다.

앞에서 인용한 통화가 그 전형이다. 에이전트가 사회보장번호는 전화로 잘 알려 주지 않는다고 머뭇거리자, 사기범은 목소리를 높이지 않는다. 대신 그것 말고는 조회할 방법이 없다고 답한다. 위협이 아니라 절차상 어쩔 수 없는 일로 만드는 쪽이 이 코퍼스의 주된 화법이다.

여기까지가 관측이라면, 마지막 질문은 실험이다. 누가 전화를 받는지가 통화를 바꾸는가. 7월 1일부터 20일까지 허니팟은 신원 열 개를 동시에 운영했다. 22세 Emma부터 62세 Declan까지 나이가 다르고, 이름과 목소리와 성별과 억양과 거주 도시와 생년월일이 다르다. 열 개 모두 같은 지역번호를 쓰고, 같은 음성인식 엔진과 같은 언어모델과 같은 음성합성 업체를 쓰고, 무엇보다 같은 행동 프로토콜을 따른다. 다른 것은 신원 블록뿐이다.

신청 폼을 제출할 때마다 열 개 중 하나가 균등 무작위로 뽑혔다. 사기 조직이 어떤 신원에 도달할지는 리드가 만들어지던 순간, 즉 통화가 있기 몇 주 전에 정해진다. 발신자로서는 리드를 읽기 전까지 알 수도 없고 영향을 줄 수도 없다. 경제학에서 고용 차별을 재는 데 쓰는 대응 감사 설계를, 지원자 대신 리드로, 고용주 대신 범죄 조직을 상대로 돌린 구조다. 배정은 의도대로 작동했다. 신원별 시딩 폼은 4,546건에서 4,745건 사이로 고르게 나뉘었다.

실험 창에서 1,096개 번호로부터 1,823통이 들어왔다. 통화당 사기범 발화 턴의 평균은 신원의 나이에 따라 올라갔다. 순위상관 +0.83, 열 개 나이 라벨을 재배정하는 362만 8,800가지 경우를 전부 세어 얻은 p값은 0.005다. 26세 신원은 33턴, 62세 신원은 71턴이었다. 발화 단어 수와 10분 넘게 이어진 통화 비율도 같은 방향으로 움직였다. 통화 수준 음이항회귀는 나이 10년당 발화율 비를 1.152로 추정했다.

무디게 잘라 보면 차이가 더 잘 보인다. 29세 이하 다섯 신원은 통화당 39턴, 42세 이상 세 신원은 58턴으로 1.5배다. 회선 수가 다른데도 흡수한 시간의 총량은 비슷했다. 나이 많은 세 회선은 645통에서 127시간을, 젊은 다섯 회선은 836통에서 123시간을 가져갔다. 회선 하나당으로 환산하면 고령 회선이 사기 조직의 시간을 약 70% 더 흡수한 셈이다.

그런데 요구 내용은 움직이지 않았다. 열 개 신원 전체에서 민감정보 요구에 도달한 통화는 26.3%였고, 이 비율은 나이와 무관했다. 순위상관은 -0.02, 나이 10년당 오즈비는 0.99로 신뢰구간은 0.90에서 1.08 사이다. 29세 이하 다섯 신원은 25.7%, 42세 이상 세 신원은 26.8%로 1%p 차이인데, 신뢰구간상 5%p를 넘는 차이는 배제된다. 사회보장번호와 생년월일을 포함해 아홉 개 개별 요청 유형 가운데 나이와 유의하게 움직인 것은 하나도 없었다. 요구가 나올 만한 상황으로 좁혀도 마찬가지다. 사기범 발화가 스무 턴을 넘긴 통화만 보면 도달률은 43%로 오르는데, 나이와의 상관은 +0.03에 그친다.

효과가 어디에 있었는지도 중요하다. 중앙값 통화는 나이와 함께 움직이지 않았다. 순위상관 +0.35에 p값 0.31로 유의하지 않다. 달라진 것은 아주 긴 통화가 될 확률이다. 최연소 네 신원에서는 통화의 9%가 100턴을 넘고 4%가 150턴을 넘었는데, 최고령 세 신원에서는 각각 17%와 10%였다. 평범한 통화가 길어진 것이 아니라, 잘 풀린다 싶을 때 사기범이 계속 붙어 있으려는 의향이 커졌다. 통화가 어떻게 끝났는지를 매기는 분류기도 같은 쪽을 가리킨다. 발신자가 성공했다고 믿은 채로 끝난 통화의 비율은 신원의 나이와 +0.71로 함께 올라갔다. p값 0.027로, 저자들이 아슬아슬하게 유의하다고 단 결과다.

저자들이 특히 막아 두고 싶어 한 오독이 하나 있다. 젊게 들리는 쪽은 사기범이 봐주더라는 결론이다. 열한 개 지표를 훑는 과정에서 나온 탐색적 결과인데, 한 회선의 통화 가운데 합법적인 리드 영업이 아니라 노골적인 사기로 분류된 비율은 나이와 거꾸로 움직였다. 22세 신원은 42%였고 최고령 세 신원은 18%에서 23% 사이였다. 순위상관 -0.69, p값 0.035이다. 젊은 신원에게는 학자금 대출과 세금 구제와 채무 정리처럼 라벨 기준상 신원 수집으로 분류되는 업종이 더 많이 걸렸고, 나이 든 신원에게는 스팸으로 분류되는 메디케어와 보험 영업이 더 많이 걸렸다. 다만 저자들은 배제하지 못한 경쟁 가설도 함께 적어 두었다. 통화가 짧으면 라벨러가 볼 영업 맥락도 적게 남으므로, 차이의 일부는 시장의 성질이 아니라 통화 길이의 부산물일 수 있다. 어느 쪽이든 젊은 신원이 면제받은 것은 아니다. 같은 것을 같은 비율로 요구받았고, 통화가 더 짧았을 뿐이다.

결과가 흔들릴 만한 자리도 저자들이 먼저 짚어 두었다. 여성 신원 네 개가 모두 30세 미만이라 나이와 성별이 뒤섞여 있다. 성별을 보정하면 효과가 절반으로 줄지만 사라지지는 않고, 남성 여섯 신원만 봐도 발화율 비 1.083이 남는다. 여성 신원은 기계 아니냐는 의심을 두 배 자주 받았는데, 이는 음성 실감도 문제로 보이며 나이 효과와는 무관했다. 33세 Amir 신원 하나만 요구 도달률 40%로 튄다. 열 신원 교차표 검정을 유의하게 만드는 것도 이 회선 하나뿐이어서, 빼고 다시 검정하면 유의성이 사라진다. 이 신원의 대본이 공식적인 요청에 유난히 협조적으로 쓰여 있어 사기범에게 더 많은 기회를 준 탓이라고 저자들이 스스로 인정했다. 허니팟은 카메라가 아니라 대화 참여자라는 것이다.

강건성 점검은 여럿 통과했다. 신원을 하나씩 빼도 상관은 +0.77 이상으로 남고, 음성인식 장애가 있던 나흘을 빼면 +0.79, 평일만 보면 +0.84, 발신번호당 한 통씩만 세면 +0.86이다. 사기 유형을 고정효과로 넣어도 나이 10년당 발화율 비 1.137이 남아, 효과가 업종 간 차이가 아니라 같은 업종 안에서 작동한다는 것을 보여 준다. 한계도 명시돼 있다. 처치군이 열 개뿐이라 미묘한 효과에는 검정력이 부족하고, 표본은 영어권 미국 리드 시장에 치우쳐 있으며, 라벨은 사람이 전량 검수하지 않은 자동 생성 결과다. 그 라벨은 사람 검토자와 이진 판단에서 75% 일치했다. 실험 이전에 운영하던 74세 신원은 리드풀 성격이 달라 비교에서 제외했으니 62세 너머로 외삽하지 말라는 당부도 붙어 있다.

고령층 사기 피해가 큰 이유를 이 논문은 다르게 읽는다. 사기범이 노인에게 다른 요구를 하는 것이 아니라, 같은 요구를 훨씬 오래 한다는 것이다. 노출 조건을 설계로 완전히 고정해 놓고 봤을 때 남은 차이는 시간뿐이었다. 논문은 아직 동료심사를 거치지 않은 프리프린트이고, 코퍼스 자체는 별도의 데이터 기술서가 다룬다. 원문은 arXiv:2608.24127에서 볼 수 있다.