라이브 스트리밍 위험 탐지를 위한 행동 인식 캡슐 MIL

초록

본 논문은 실시간 스트리밍 방의 위험성을 방 수준 라벨만으로 판단해야 하는 약한 감독 상황을 다중인스턴스 학습(MIL) 문제로 정의한다. 사용자‑시간 슬롯 캡슐을 인스턴스로 설정하고, 행동 인식 캡슐 MIL(AC‑MIL) 프레임워크를 제안한다. AC‑MIL은 행동 필드 인코더, 캡슐 구성기, 관계 캡슐 추론기, 이중‑시점 통합기, 교차‑레벨 위험 디코더의 직렬·병렬 구조를 통해 시간적·사용자 간 의존성을 모델링한다. 대규모 Douyin 데이터셋 실험에서 기존 MIL·시계열 모델을 크게 앞서며, 캡슐 수준 위험 설명도 제공한다.

상세 분석

본 연구는 라이브 스트리밍 플랫폼에서 발생하는 사기·협업형 악의적 행동을 조기에 탐지하기 위한 새로운 접근법을 제시한다. 기존 위험 탐지 연구는 주로 콘텐츠(텍스트·영상) 분석이나 개별 사용자 행동에 초점을 맞추었으나, 실시간 스트리밍에서는 다수 사용자가 짧은 시간 안에 복잡하게 상호작용하면서 위험 신호를 숨긴다. 이러한 특성은 (i) 행동이 희소하고 다양하며, (ii) 위험 패턴이 시간적·사용자 간 협업을 통해 나타난다는 점에서 기존 MIL의 독립 인스턴스 가정에 위배된다. 논문은 이를 해결하기 위해 사용자‑시간 슬롯 캡슐을 인스턴스로 정의한다. 각 캡슐 C_{u,k}는 특정 사용자 u가 k번째 시간 슬롯 T_k 내에 수행한 행동 시퀀스를 포함하며, 이는 행동 수준의 의미론적 정보를 보존하면서도 시간적 국소성을 제공한다.

AC‑MIL은 크게 다섯 단계로 구성된다. 첫 단계인 Action Field Encoder는 멀티모달(텍스트·이모티콘·선물·채팅 등) 행동 데이터를 Transformer‑ 기반 인코더로 변환해 전역 컨텍스트를 학습한다. 두 번째 Capsule Constructor는 인코딩된 행동을 사용자‑시간 격자에 재배치해 캡슐을 형성한다. 여기서 캡슐은 정렬된 행동 시퀀스로, 이후 그래프 구조화에 적합한 단위가 된다.

세 번째 Relational Capsule Reasoner는 캡슐 간의 잠재적 상호작용을 포착하기 위해 그래프‑인식 셀프‑어텐션을 적용한다. 각 캡슐을 노드로, 시간·사용자 차원에서의 인접성을 엣지로 정의해, 협업형 사기 행동이 나타나는 패턴(예: 특정 시점에 여러 시청자가 동시에 선물을 보내는 행위)을 학습한다. 이 과정에서 캡슐‑레벨 위험 점수도 동시에 출력돼 해석 가능성을 높인다.

네 번째 Dual‑View Integrator는 사용자 중심(view‑user)과 시간 중심(view‑time) 두 가지 시점을 병렬로 인코딩한다. 사용자 중심 뷰는 각 사용자의 역할(스트리머·시청자·봇 등)과 행동 빈도를 강조하고, 시간 중심 뷰는 전체 스트리밍 흐름의 리듬과 급격한 변화를 포착한다. 두 뷰의 표현을 결합함으로써 단일 시점만을 보는 기존 모델보다 풍부한 시맨틱 정보를 제공한다.

마지막 Cross‑Level Risk Decoder는 행동, 캡슐, 사용자, 시간 네 레벨의 표현을 단계적으로 통합해 방 수준 위험 확률을 예측한다. 이때 가중치 기반 어그리게이션과 멀티‑헤드 어텐션을 활용해 중요한 레벨에 더 큰 영향을 부여한다.

실험에서는 중국 최대 라이브 플랫폼인 Douyin에서 수백만 개의 방 데이터를 사용했으며, AC‑MIL은 기존 MIL(미니맥스·평균 풀링), 시계열 기반 MIL(TimeMIL, MIL‑LET) 및 그래프 기반 사기 탐지 모델을 모두 능가했다. 특히 정밀도·재현율 균형이 중요한 실서비스 환경에서 5% 이상의 F1 점수 향상을 달성했다. 또한 캡슐‑레벨 위험 점수를 시각화해, 어느 사용자·시간 구간에서 위험 행동이 집중되는지 직관적으로 확인할 수 있었다. 이는 운영자에게 실시간 차단·경고 정책을 적용하는 데 실질적인 근거를 제공한다.

본 논문의 주요 기여는 (1) 라이브 스트리밍 방 위험 평가를 최초로 MIL 문제로 공식화하고, 사용자‑시간 캡슐이라는 새로운 인스턴스 정의를 제시한 점, (2) 시간·사용자 양축을 동시에 모델링하는 직렬·병렬 하이브리드 아키텍처를 설계해 높은 예측 성능과 해석 가능성을 동시에 달성한 점, (3) 대규모 실서비스 데이터에서 실증적인 우수성을 입증한 점이다. 향후 연구에서는 캡슐 내부의 멀티모달(영상·음성) 정보를 더 정교히 통합하고, 온라인 스트리밍 중 실시간 업데이트 메커니즘을 도입해 탐지 지연을 최소화하는 방향이 기대된다.