흩어진 단서에서 범죄의 연결고리까지, AI는 수사를 어떻게 변화시키는

다크웹에서 발견한 닉네임 하나가 텔레그램 계정으로 이어지고, 그곳에서 확인한 가상자산 주소가 또 다른 사건의 자금 거래 내역이나 인터넷 프로토콜(IP) 주소와 연결될 수 있습니다. 사이버범죄의 흔적은 처음부터 하나의 사건 파일 안에 정리된 형태로 나타나지 않습니다. 범죄 행위자가 여러 플랫폼과 익명 채널을 오가며 활동하는 만큼 게시글, 계정, 연락처, 가상자산 지갑 주소, 도메인, 인프라 등 수사에 필요한 단서도 서로 다른 공간에 흩어져 있습니다.

그러므로 중요한 것은 단순히 단서를 얼마나 많이 포착하느냐보다 서로 다른 채널에서 확보한 정보가 같은 사람이나 조직을 가리키는지, 다른 사건과 어떤 관계가 있는지를 빠르게 파악하는 것입니다. 하나의 지갑 주소도 거래 내역만 보면 자금 이동의 흐름에 불과하지만, 다크웹 판매글이나 텔레그램 계정, 범죄자의 별칭 등과 연결해 보면 범죄 행위와의 관계가 보다 구체적으로 드러납니다.

수사기관이 이미 확보한 정보 역시 마찬가지입니다. 사건 기록과 분석 결과가 시스템이나 조직별로 분리돼 축적되면 과거에 확인한 단서가 새로운 사건에서 다시 등장하더라도 연관성을 놓치기 쉽습니다. 결국 수사 효율을 높이기 위해서는 흩어진 범죄 데이터를 연결해 사건의 맥락을 빠르게 복원하는 과정이 필요합니다.

범죄는 연결돼 있지만 단서는 흩어져 있다

닉네임, 이메일, 텔레그램 ID, 가상자산 주소, IP, 도메인, 게시 이력 등은 모두 각각 중요한 수사 단서입니다. 문제는 이를 사람이 직접 연결하려면 여러 채널에서 반복적으로 정보를 검색하고, 난해한 비정형 게시물과 파일을 검토하고, 서로 다른 식별자를 일일이 대조해야 한다는 점입니다. 특히 동시에 여러 사건을 다루거나 장기간 활동한 범죄 조직을 추적할 경우 단서가 늘어날수록 전체 구조를 파악하기는 더 어려워집니다.

필요한 것은 검색 결과를 더 많이 나열하는 것이 아니라, 수집된 정보 사이의 관계를 찾아 사건과 행위자의 연결 구조를 드러내는 것입니다. 그래야 다음에 확인해야 할 계정, 거래 내역, 범죄 인프라 등의 수사 지점을 보다 빠르게 좁힐 수 있습니다.

단서 간 관계를 분석해 범죄의 구조를 드러낸다

S2W의 공공·정부기관용 안보 AI 플랫폼 자비스(XARVIS)는 다크웹, 텔레그램, 소셜 미디어, 해킹 포럼 등 다양한 채널에 산재돼 있는 범죄·위협 정보를 수집하고, 수사에 필요한 형태로 분석할 수 있도록 구조화합니다. 게시글과 이미지, 파일, 식별자, 가상자산 주소, 활동 기록 등을 한곳에서 확인할 수 있어 여러 플랫폼을 개별적으로 탐색해야 하는 부담을 줄여줍니다.

이 과정에서 인공지능(AI)은 방대한 원천 데이터를 수사관이 검토하기 쉬운 형태로 정리하는 역할을 합니다. S2W가 자체 개발한 세계 최초의 다크웹 특화 언어모델 다크버트(DarkBERT)는 비정형 데이터를 분석하고 국가, 산업, 범죄 유형, 위험도 등을 기준에 따라 분류해 우선적으로 확인해야 할 신호를 선별합니다. 자비스에 탑재된 AI 챗봇 다크챗(DarkCHAT)은 자연어 질의를 통해 원본 게시물과 유출 데이터, 유사 사건 등 필요한 정보를 쉽고 빠르게 탐색할 수 있도록 지원합니다. AI가 임의로 사건을 대신 판단하는 것은 아닙니다. 사람이 직접 검토해야 할 정보의 범위를 줄이고, 수사관이 분석과 판단에 집중할 수 있도록 돕는 조수의 역할을 수행하는 거죠.

이후에는 확보한 단서 사이의 관계를 분석합니다. 자비스는 닉네임, 이메일, 텔레그램 ID, 지갑 주소, IP, 이미지 정보, 게시 이력 등을 지식그래프 기반으로 교차 분석합니다. 활동 시간, 사용 언어, 행동 패턴, 계정 변경 이력, 연관 채널과 인프라를 함께 살펴보면 서로 다른 플랫폼의 계정이 동일 행위자와 연결되는지, 특정 식별자가 다른 사건에서도 반복해서 등장하는지 등을 그래프 형태로 확인할 수 있습니다. 수사관은 이를 토대로 위협 행위자의 활동 패턴을 프로파일링하고, 추가로 확인해야 할 계정, 거래, 인프라를 좁혀 후속 조사를 이어갈 수 있습니다. 데이터의 양을 늘리는 것이 아니라, 다음 수사 판단에 필요한 관계를 규명하는 것이 핵심입니다.

이러한 방식은 개별 사건 분석을 넘어 수사기관이 축적해온 정보 전체로 확장할 수 있습니다. 사건마다 보고서와 조사 기록, 식별자 정보, 단서 분석 결과 등이 쌓이더라도 이를 본청과 지역 조직, 여러 수사팀이나 시스템에서 각각 관리한다면, 기존 정보가 다음 수사에 충분히 활용되지 못할 수 있습니다.

온톨로지(Ontology)와 지식그래프를 활용하면 서로 다른 출처와 형식의 정보에서 사람, 계정, 자산, 사건, 인프라 등의 개체와 관계를 구조화할 수 있습니다. 여기에 외부 범죄 인텔리전스와 기존 사건 기록, 조직별 분석 자료를 연결하면 새로운 사건에서 과거와 동일하거나 유사한 단서가 등장했을 때 기존 조사 결과까지 함께 살펴볼 수 있습니다. 결국 한 사건에서 확보한 정보가 다음 수사의 출발점으로 이어지는 구조를 만드는 것입니다.

AI와 지식그래프의 가치는 기술 자체보다 수사 과정에서 드러납니다. 방대한 정보에서 필요한 단서를 빠르게 찾고, 서로 떨어져 있던 흔적의 관계를 파악해 사건의 흐름과 행위자를 보다 명확하게 이해하도록 돕는 데 의미가 있습니다. S2W 자비스는 다중 채널 범죄 데이터 수집·분석 역량과 온톨로지·지식그래프 기반 데이터 인텔리전스 기술을 결합해 단서 탐색부터 관계 분석, 후속 추적까지 이어지는 수사 환경을 지원합니다.

흩어진 정보를 하나씩 찾는 데서 그치지 않고, 단서 사이의 관계를 밝혀 다음 추적 지점을 좁히는 것, 그리고 한 사건에서 축적한 수사 지식을 다음 사건에서도 활용할 수 있도록 만드는 것. 이것이 데이터 인텔리전스가 수사 현장에서 만들어낼 수 있는 변화입니다.