Postmark와 Gemini를 활용한 이메일 피싱 탐지 애플리케이션 'Swordphish' 구축 사례

핵심 기술

Postmark의 인바운드 이메일 처리 기능과 Messages API를 활용하여 이메일 메타데이터를 분석하고, Google Gemini LLM을 통해 이메일 콘텐츠의 피싱 위험도를 평가하는 애플리케이션 'Swordphish' 구축 사례를 다룹니다.

기술적 세부사항

• Postmark 활용:
  • Inbound Processing 기능을 통해 이메일 수신 및 처리.
  • Messages API를 사용하여 수신된 이메일의 JSON 데이터 검색.
  • Headers, HtmlBody, Attachments 등 이메일 메타데이터의 중요성 강조.
• 백엔드 개발:
  • Python 기반의 FastAPI 프레임워크를 사용하여 API 엔드포인트 구현.
  • SQLite를 로컬 데이터베이스로 사용.
  • 이메일 수신 웹훅 처리 및 데이터 저장.
  • Google Gemini 2.5 Flash를 호출하여 이메일 내용 분석.
• 프론트엔드 개발:
  • SvelteKit 프레임워크를 사용하여 개발.
  • API 응답 데이터를 단순하고 명확한 JSON 형식으로 가공하여 사용자에게 제공.
• 피싱 탐지 로직:
  • 이메일 헤더 및 본문 내 피싱 관련 단어 및 구문 분석.
  • AI(Gemini)를 활용하여 이메일 내용, 발신자 정보, 보안 측면에 대한 심층 분석 수행 (aiAnalysis, aiSenderAnalysis, aiSecurityAnalysis).
  • Received-SPF 헤더에서 IP 주소를 추출하고, 이를 이용한 ASN 정보 조회 및 평판 확인.
  • SpamAssassin 결과(점수 및 테스트 항목)를 분석하여 스팸 위험도 시각화.
• 데이터 구조:
  • Postmark API 응답의 복잡성을 줄이고 개발자가 쉽게 파싱할 수 있도록 단순하고 예측 가능한 JSON 구조를 유지.
  • 프론트엔드에서 사용할 사용자 친화적인 JSON 객체 설계 예시 제공.

개발 임팩트

• 이메일 서비스의 메타데이터를 효과적으로 활용하여 보안 위협(피싱)을 실시간으로 탐지하고 시각화하는 방법을 제시합니다.
• API 기반 서비스 통합 시 API 응답 구조 분석의 중요성을 강조하고, 복잡한 데이터를 단순화하는 접근 방식을 공유합니다.
• LLM을 실제 보안 분석에 통합하는 구체적인 방법론과 가능성을 보여줍니다.

커뮤니티 반응

(본문 내 직접적인 커뮤니티 반응 언급 없음)

톤앤매너

개발자를 위한 기술 블로그 글로, 프로젝트의 기술적 구현 방법과 고려사항을 명확하고 실용적으로 설명하는 전문적인 톤을 유지합니다.