GreenCheck: RAG 기반 그린워싱 탐지 시스템

한국 환경 규제 기준을 바탕으로 기업의 친환경 마케팅 문구에서 그린워싱 여부를 자동으로 판단하고, 관련 법적 근거와 개선방안까지 제시하는 RAG(Retrieval-Augmented Generation) 기반 시스템입니다.

---

🧩 프로젝트 개요

• 프로젝트명: GreenCheck
• 목표: 한국 기업의 마케팅 문구를 입력받아, 환경부/공정위의 가이드라인과 법령을 기준으로 그린워싱 여부 판단 및 설명 생성
• 핵심 기능:
  • 기사/문구 압축 및 전처리
  • 환경 키워드 기반 문장 추출
  • 벡터 검색 + Reranker 기반 관련 법률 검색
  • LLM을 활용한 판단/근거/법률/해결방안 응답 생성

---

🛠️ 시스템 아키텍처

1. 입력: 뉴스 기사 또는 마케팅 문구
2. 전처리: 문장 압축 및 환경 관련 문장 추출
3. 벡터 검색: KoSimCSE + Chroma DB (가이드라인, 법령 분리)
4. Reranker: Cross-encoder 기반 문서 재정렬
5. 응답 생성: ktds-llama3.1 기반 LLM 프롬프트 처리
6. 출력: 판단 결과, 위배 조항, 법률, 해결 방안

---

📚 데이터

• 규제 문서:
  • 환경부 가이드라인 (친환경 경영활동 표시·광고 가이드라인)
  • 공정거래위원회 가이드라인
  • 7개 이상 국내 환경 관련 법령
• 사례 데이터:
  • 빠띠 공익데이터 기반 마케팅 문구
  • 네이버 뉴스 기반 친환경 기사 수집
  • 그린워싱 수준: 있음(1.0), 의심(0.5), 없음(0.0)

---

⚙️ 실행 방법

1️⃣ GitHub에서 코드 다운로드

git clone https://github.com/shin0112/final-project.git
cd final-project

2️⃣ 가상환경 및 백엔드 설정

✅ Python 가상환경 (선택)

python -m venv .venv
# Windows
.venv\Scripts\activate
# macOS/Linux
source .venv/bin/activate

✅ Python 라이브러리 설치

pip install --upgrade pip
pip install -r requirements.txt

3️⃣ 프론트엔드(npm) 설치

cd greencheck-ui
npm install
npm audit fix
cd ..

4️⃣ 환경 변수 설정 (.env 또는 직접 입력)

HUGGINGFACE_TOKEN=your_token_here
GROQ_API_KEY=your_groq_key_here

• HuggingFace 토큰 생성
• Groq API Key 생성

5️⃣ 서버 및 프론트 실행

✅ 백엔드 실행

cd src
uvicorn server.py:app

✅ 프론트엔드 실행

cd greencheck-ui
npm run dev

이후 http://localhost:5173 또는 http://localhost:3000에서 접속 가능

프론트엔드에서 문장 입력 후, LLM 분석이 완료되면 다음과 같은 결과를 확인할 수 있습니다:

⚙️ 기술 스택

• Python 3.10+
• LangChain, FAISS, Chroma
• Transformers, SentencePiece
• LLM API 또는 로컬 실행 (예: ktds-llama3.1)
• Seraph GPU 서버 환경 (32GB VRAM)

📁 폴더 구조

├── data/
│   └── greenwashing/      # 기사, 라벨링 데이터
├── greencheck-ui/         # ui 화면
├── src/                   # 전체 파이프라인 코드
└── README.md              # 현재 문서

🧪 실험

• 임베딩 모델: KoSimCSE
• LLM 모델: KoAlpaca, Mistral, ktds-llama3.1 → 최종: ktds-llama3.1
• 프롬프트 전략: zero-shot, one-shot, few-shot, CoT 적용
• 검색 구조 실험:
  • 단일 검색 vs. 이중 검색 vs. Reranker
  • Reranker 기반 구조가 가장 안정적인 성능 보임

---

📌 참고사항

• 본 시스템은 연구 목적의 프로토타입으로, 실제 법적 판단으로 사용하기에는 한계가 있습니다.
• 테스트 데이터는 수작업 라벨링을 기반으로 하며, 향후 전문가 리뷰 필요