본 과제는 웹상에서의 텍스트나 이미지 콘텐츠에 포함된 잠재적 심리 자극 요소를 실시간으로 분석 및 차단하여 PTSD와 같은 심리적 질환을 가진 사용자의 심리적 안전을 보장하는 것을 목적으로 한다. 전 세계 인구의 약 3.9%가 한 번 이상의 PTSD를 경험한 적이 있으며, 환자들을 위한 키워드 차단 시스템이 존재한다. 하지만 기존의 단순 키워드 필터링은 콘텐츠의 의미적 맥락을 반영하지 못하기에 불필요한 차단이 발생한다. 본 시스템은 대규모 언어모델(LLM)을 활용하여 텍스트와 이미지를 분석하고, 사용자가 설정한 차단 키워드가 맥락상 어느 정도로 중요하게 사용되고 있는지 파악한다. 사용자는 각 키워드의 차단 민감도를 high, medium, low로 설정할 수 있으며 API 서버는 이에 따라 차단 여부를 판정한다. 자체 API 서버는 Gemini API를 이용하여 웹페이지의 문맥을 이해한 뒤 JSON 구조로 판단 결과를 전달한다. 이미지 컨텐츠는 자체 API 서버 내부에서 BLIP 모델 기반의 캡셔닝을 거친 뒤 로컬 LLM(Ollama 및 gemma3) 기반으로 캡션을 검수하여 차단 여부를 판단한다. 차단된 컨텐츠는 차단 처리된 화면, 차단 사유, 차단 해제 버튼을 제공하여, 사용자가 정보 접근 여부를 직접 결정할 수 있도록 해 사용자의 안전성과 선택권을 보장하였다. 해당 시스템은 교육, 공공기관, 의료, 상담 등 심리 안전이 중요한 분야에 폭넓게 활용될 수 있다. 더 나아가 미세 조정된 LLM, 멀티모달 분석 등으로 확장할 수 있어 공익성과 확장성을 모두 갖춘 차세대 콘텐츠 필터링 시스템이 될 것으로 기대된다.