Home

2020년 ‘n번방 사건’을 통해 디지털 성범죄에 대한 인식이 수면 위로 올라오며 경각심이 대두되고 있다[1]. 그러나 갈수록 불법 촬영과 촬영물 유포 등 디지털 성범죄는 더욱 기승을 부리고 있다. 디지털 성범죄란 ‘카메라 등 매체를 이용하여 상대의 동의 없이 신체를 촬영하여 유포, 유포 협박, 저장, 전시하거나 사이버 공간, 미디어, SNS 등에서 자행하는 성적 괴롭힘’이다[2].

SNS 또는 모바일 메신저에 불법 촬영물이 한번 유포가 되었다면 네트워크 특성상 피해 영상의 완전한 삭제는 사실상 불가능하다. 이에 피해자는 계속해서 영상이 퍼져나가고 있진 않은지에 대한 불안감과 두려움에 떨며 인권을 무시당하고 정상적인 일상생활이 어려워졌다[3]. 이를 최소화하기 위해서는 계속해서 유포되는 피해 영상을 최대한 신속히 검출해 제거해야 한다. 불법 촬영물의 원본 영상이 유포된 경우, 해시값 등을 이용하여 이를 검출해내는 연구와 기술이 많이 발전하고 있다.

그러나 수사 방법이 발전될수록 범죄 수법 또한 악의적으로 진화하고 있다. 원본 영상을 여러 형태로 조작하여 유포하게 되면 해시값을 이용한 수사 방법 등 원본 영상을 검출하기 위한 수사 방법은 사용할 수 없게 된다. 이에 불법 원본 영상을 포함하여 관련된 모든 조작 영상까지 검출할 수 있는 새로운 수사 방법이 필요하다[4]. 사실상 유포범죄를 최소화할 수 있는 가장 확실한 방법은 유포 전 예방이다. 피의자가 유포하기 전에 먼저 유포의 목적성을 식별하여 이를 감시 및 관리할 수 있다면 이미 유포되어 일파만파 퍼져나가는 영상을 끝까지 찾아 제거해야 하는 수고를 막을 수 있다.

실제로 경찰학 서봉성 박사와 법학 이은영 박사는[5] 불법 촬영물의 유통을 철저히 막고 방지할 수 있도록 능동적이고 선제적 지원 체계를 마련해야 한다고 밝히며 삭제 지원 시스템을 통해 유포 사실이 확인되지 않은 피해 촬영물에 대한 모니터링 기능을 강화하여 유포 사실이 확인되지 않은 불법 촬영, 유포 협박, 유포 불안 피해를 호소하는 내담자에 대한 맞춤형 피해 지원을 제공할 필요가 있다고 말했다. 이는 유포의 목적성을 미리 식별해 유포를 차단하기 위한 연구가 필요함을 보여준다. 본 논문은 불법 촬영물의 원본 영상과 조작을 가한 조작 영상을 용의자 및 피의자(이하 용의자로 통칭)의 단말기 내에서 식별하여 관련된 모든 영상을 색출해 낼 것이며 부가적으로 관련 데이터를 함께 추출할 것이다. 이 데이터들을 통해 유포의 목적성을 추론할 수 있는 의사결정 분석을 제안한다. 본 연구의 주요 기여 사항은 다음과 같다.

• · 피해자가 유포 미수, 유포 협박으로 인해 수사를 요청할 경우, 용의자의 유포 목적성을 밝힐 수 있도록 의사결정을 지원한다. 이를 통해 용의자의 범죄를 식별하고, 여죄를 밝히기 위한 근거를 제시하고 범죄 영상 검출 및 제거할 수 있다.
• · 용의자 단말기 내 색출된 원본 및 조작 영상을 관련정보(예: 파일 크기, 저장경로, 파일생성 정보, 메타정보 조작 툴 유/무 등)를 통해 유포 목적성 분석을 수행해 유포 시도 시, 사전 탐지가 가능하다. 이를 통해 유포 사실이 확인되지 않았더라도 용의자의 단말기를 수사하고 유포 목적성을 정량적 수치로 보여줌으로써 피해자의 유포 불안 및 유포 협박피해를 적극적으로 도와줄 수 있을 것이다.

본 논문의 구성은 다음과 같다. 2장에서는 범죄추론 연구방법과 불법 촬영물의 영상색출에 관련한 연구를 작성하였다. 3장에서는 불법 촬영 영상을 색출하고 용의자의 유포 목적성을 추론할 수 있는 프로세스와 AHP 분석방법, 4장에서는 연구 설계 및 분석결과, 5장에서는 결론으로 구성하였다.

Kim[6]은 범죄 프로파일링에 관한 실증적 연구를 조사하였다. 수사 심리학적 기법인 Liverpool 기법을 집중적으로 분석하여 연쇄 강간 살인범에 대한 특징을 알아냈고 범죄의 세부 사항과 공통적 범행동기 특징을 제안하였다. 특히, 프로파일링 기법을 통해 동일인에 의한 범죄는 공통성을 지닌다는 가정하에 범죄 전 범행, 범죄 준비행적, 범행 시 범죄행위의 특성, 범행 후의 행적 등 이런 행동을 파악함으로써 범죄자의 유형을 식별하는데 적용하였다. 특히 저자는 추가 범죄의 가능성, 용의자의 범죄심리 식별 그리고 용의자 심문 과정에서 유도되는 정보를 기반으로 범죄 프로파일링의 목적을 설명하였다. 본 논문은 이러한 정보를 과학적 통계 기법에 따른 연구로 발전시켜 범행 전에 용의자의 범죄 목적을 추론할 수 있도록 제안하였다. 이와 같은 접근은 용의자를 특정하고 검거해 내는 데 효과적으로 일조할 수 있을 것이며 근래 디지털 범죄의 분석에 있어 사전적 수사 분석기법으로도 응용될 수 있겠다.

Park[7]은 고도화되어가는 범죄 수법에 대해 보다 근본적인 범죄대응체제를 하드웨어 격으로는 범죄대응 시스템을 구축해야 하며, 소프트웨어 격으로는 형사 사법 실무가들의 수사 체계화 등이 형성되어야 한다고 주장했다. 그러므로 일상적인 수사방식이 진행되는 과정에서 활용되는 추리 방식을 논리적인 접근으로 입증하고자 했다. 또한, 현 수사방식인 귀납적 추론의 한계점을 제시하며 가설적 추론을 제안하였다. 동시에 가설적 추론의 타당성을 입증하기 위해 전문적인 지식 기반의 타당성 분석을 통한 논리적 접근이 필요함을 언급하였다. 이를 위해 과학적 범죄 자료 수집 및 수사 인력 배분까지 언급하였다. 한편, 디지털 성범죄의 경우에는 현재의 디지털 기반의 다양한 단말기 내에서 유발이 되기 때문에 성범죄와 관련된 범죄 인지 및 위험성 도출을 위한 방법론이 필요하다. 따라서, 단말기 내에 실질적인 디지털 증거정보를 통한 범죄 분석 및 추론이 필요하다.

Choi[8]는 디지털 성범죄 중 불법 영상을 촬영하고 소지 또는 유포하는 범죄를 특정하여 불법 촬영물의 원본 영상과 조작된 영상을 모두 색출해 낼 수 있는 연구를 진행하였다. 첫 번째로 검출시간을 단축하고자 영상의 재생 시간을 기준으로 프레임 추출 개수를 정하고, 영상끼리 유사도를 비교할 때는 불법 촬영물의 특성을 파악하여 영상의 후반부부터 구간 단위로 이동해가며 유사도를 비교해 나갔다. 두 번째로, 원본 영상뿐만 아니라 조작 영상 모두 검출하기 위해 이미지 히스토그램 비교알고리즘인 상관관계, 교차, 바타차야 알고리즘을 이용하여 조작 영상을 모두 색출할 수 있는 Threshold를 새롭게 산정하였다. 하지만, 무엇보다도 디지털 성범죄 특성상, 유포가 SNS를 통해 이뤄지고 용의자가 특정된 경우가 대다수이며[9], 디지털 파일의 특성을 고려한 추가적인 행위 즉, 유포와 같은 범죄의 확산을 고려해야 한다. 이를 위한 용의자 또는 특정 용의자의 단말기를 포렌식 할 때 식별될 수 있는 다양한 디지털 정보를 정량적으로 분석하여 유포 확산의 행위를 조기에 식별할 필요가 있겠다.

따라서, 본 논문에서는 이러한 기존연구의 접근방식을 고려하여, 근본적인 디지털 성범죄 영상의 유포 목적성을 추론하는 의사결정 분석방법을 제안한다.

본 연구는 Saaty가 제안한 9점 척도[32]를 이용하여 쌍대 비교를 하고 중요도를 부여하였다. 표 9는 Saaty의 9점 척도를 기반으로 불법 촬영 영상의 유포 목적성 분석 평가항목에 대한 중요도를 재정의하였다. 이 중요도를 기반으로 각 레벨에서의 쌍대 비교를 수행하였다.

쌍대비교행렬 설문을 진행한 설문자는 디지털 포렌식 및 디지털 성범죄 분야를 전문적으로 연구하고 있는 연구집단을 선별하여 진행하였다. 쌍대비교 행렬은 고유치 방법을 이용하여 상대적 중요도 값을 계산한다. 식 (1)은 유포 목적성 분석 Layer 1항목에 따른 쌍대비교 행렬을 나타내었다. 총 6개의 요소의 상대적 중요도를 wii=1,...,n,n=6라 하면, aij=wi/wji,j=1,...,n라 할 수 있다. 고유치 방법에 의하여 A•w=n•w 에서 w=w1,w2,...,wn :행렬 A의 우측 고유벡터 (n: 행렬A의 고유치)에서 w를 구할 수 있다.

AHP 특성상 평가자는 정확한 w를 모른다고 가정하고 일관성 지수(CI)와 일관성 비율(CR)을 통하여 일관성을 입증하였다. 정확한 w를 모르는 행렬을 A^′라 할 때 추정하는 가중치를 w^′라 하자. A^′•w^′ = λ_max•w^′(λ_max =행렬 A^′의 가장 큰 고유치) 위 식을 통해서 w^′를 구할 수 있다. 여기서 일관성 지수는 다음 식 (2)와 같다.

일관성 비율은 (CR) = (CI/RI) × 100%이다. RI는 Random Index로 난수 지수를 말한다. 1부터 9까지의 수를 임의로 설정한 후 역수 행렬을 작성한다. 그 행렬의 평균 일관성 지수를 산출한 값이기 때문에 일관성의 허용 한도를 표한다. 표 10은 RI의 난수 지수를 n이 1부터 10일 때까지의 값을 표로 정리하였다. Layer 1의 경우 n = 6이므로 RI값으로 1.24를 사용하였다.

일관성 비율이 10% 이내에 든다면 경험법칙상 작성한 쌍대비교행렬은 일관성을 입증했다고 할 수 있다. 결국, 모든 설문지에서 조사 분석된 설문 내용의 경우, 일관성 비율이 10% 이내로 나왔음을 확인할 수 있었고, 이는 무엇보다도 설문자들의 직관적인 설문결과로 잘 유도했음을 방증하였다. 표 11은 유포 가능성 평가항목 간의 쌍대 비교 수행 결과와 상대적 중요도이다. 날짜 데이터 툴 조작 여부(TDD)가 0.37로 가장 높은 값을 가졌고 날짜 데이터(DD)가 0.21, 저장경로 툴 여부(TSP)가 0.20, 저장경로(SP)가 0.11, 영상 파일 크기(FS)가 0.06, 마지막으로 파일 압축 툴 여부(TCF)가 0.04로 상대적 중요도가 결정되었다. 상대적 중요도는 소수점 셋째짜리에서 반올림하였다.

표 12는 날짜 데이터 항목의 세부항목 간의 쌍대 비교 수행 결과와 상대적 중요도이다. MCNF가 0.49로 가장 높은 값을 가졌고 MCY가 0.26, MCM이 0.14, MCD가 0.07, 마지막으로 MCE가 0.04로 상대적 중요도가 결정되었다. 상대적 중요도는 소수점 셋째짜리에서 반올림하였다.

표 13은 저장경로 항목의 세부항목 간의 쌍대 비교 수행 결과와 상대적 중요도이다. NF가 0.66으로 가장 높은 값을 가졌고 Hidden이 0.28, 마지막으로 default가 0.06로 상대적 중요도가 결정되었다. 상대적 중요도는 소수점 셋째짜리에서 반올림하였다.

표 14는 날짜 데이터 조작 툴 항목과 저장경로 조작 툴 항목의 세부항목 간의 쌍대 비교 수행 결과와 상대적 중요도이다. 상대적 중요도를 계산하는 항목에서는 두 값이 같은 값을 가지므로 하나의 표로 표현하였다. Exist_D와 Exist_L가 0.9으로 가장 높은 값을 가졌고 NExist_D와 NExist_L가 0.1로 상대적 중요도가 결정되었다.

표 15는 파일 압축 툴 세부항목 간의 쌍대 비교 수행 결과와 상대적 중요도이다. 파일 압축 툴의 경우 다른 메타데이터 조작 툴보다는 유포의 목적만을 가지고 조작하는 경우가 아닌 실제로 대용량의 파일을 압축하여 보관하거나 공유할 가능성이 있으므로 객관적인 경험과 판단으로 툴 여부의 중요도 차이를 줄였다. Exist_C가 0.83으로 가장 높은 값을 가졌고 NExist_C가 0.17로 상대적 중요도가 결정되었다.

표 16은 영상 파일크기 항목의 세부항목 간의 쌍대 비교 수행 결과와 상대적 중요도이다. SNSF가 0.58로 가장 높은 값을 가졌고 BigF이 0.31, 마지막으로 NomalF이 0.11로 상대적 중요도가 결정되었다. 상대적 중요도는 소수점 셋째짜리에서 반올림하였다.

표 11에서 선정한 유포 가능성 평가항목 기준의 중요도에 대한 가중된 상대적 중요도를 구한다. 평가항목 기준의 중요도에 대한 상대적 중요도를 곱한다. 표 17은 날짜 데이터 세부항목에서 가중된 상대적 중요도를 보여준다. 다른 세부항목 모두 위와 같은 방식으로 진행되므로 생략하겠다.

나아가 강도에 대한 우선순위를 ideal mode로 만들기 위해 정규화 작업을 거친다. 가중된 상대적 중요도에서 각 요소에서 가장 큰 값으로 나눈다.

표 18은 각 세부항목을 ideal mode로 변환한 정규화된 우선순위를 보여준다. 값은 소수점 셋째 자리에서 반올림하였다.

• · DD: ideal mode로 정규화된 날짜 데이터 세부항목
• · SP: ideal mode로 정규화된 저장경로 세부항목
• · TDD/TSP: ideal mode로 정규화된 날짜 조작 툴/저장경로 조작 툴 세부항목
• · TCF: ideal mode로 정규화된 파일 압축 툴 세부항목
• · FS: ideal mode로 정규화된 영상파일 크기세부항목

항목별로 정규화된 우선순위 값은 표 11의 평가 기준 전체 비율척도 점수에 더해지게 된다. 특히 그림 2에서 식별한 평가항목들의 조합으로 전체 시나리오의 경우의 수를 도출하여 유포의 확률을 측정할 수 있다.

하지만 그 중 표 19와 같이 대표적으로 8개의 시나리오를 추출하여 적용하였다. 예시로 A의 최종 가중치를 구하는 방법을 설명하면 다음과 같다. A의 경우 평가항목의 모든 요소 중 가장 유포의 목적을 띄는 항목들만을 선택한 경우이다. 날짜 데이터의 상대적 가중치는 0.21이고 그 중 MCNF의 정규화된 값은 1이다. 즉 시나리오 A의 날짜 데이터 항목은 0.21×1이 된다.

즉, (0.21×1)+(0.11×1)+(0.37×1)+(0.20×1)+(0.04×1)+(0.06×1)=100%

위 계산과정을 통해 최종 유포 확인이 결정된다. 나머지 시나리오도 마찬가지로 계산한다. A와 B, C는 직관적으로도 악의적인 여러 흔적을 찾을 수 있도록 메타데이터 조작과 툴의 여부를 추가한 시나리오를 결정하였다. 이 경우 악의적으로 수사를 피해 가기 위하여 여러 조작을 한 것으로 최종 유포 확률이 높게 계산되었다. D, E, F, G의 경우는 유포의 최종확률은 계산되었지만, 유포의 의도 유무는 용의자 수사 및 특정 과정에 따라 결정될 수 있다.

그중 F의 경우는 유포할 수 있는 불법 조작 영상이 아닌 조작 전 불법 영상의 경우라고 가정했을 때, 유포의 확률이 잠재적으로 존재한다고 할 수 있다. 이러한 정황은 해당 불법 영상의 유포행위로 이어질 가능성이 커질 수 있음을 알 수 있다. 마지막으로 H의 경우는 모든 평가항목 중에 가장 상대적 중요도가 낮은 항목들로 구성되었고, 그 결과 최종 가중치도 낮게 산정되었다. 즉, 유포의 목적성이 낮은 상황으로 인식할 수 있겠다.

2020년 ‘n번방 사건’을 통해 디지털 성범죄에 대한 인식이 대두되었고 갈수록 불법촬영과 촬영물 유포 등 디지털 성범죄는 더욱 기승을 부리고 있다. 네트워크의 특성상 한번 SNS 또는 모바일 메신저에 유포가 되면 피해 영상의 완전한 삭제는 사실상 불가능한 실정이다. 이를 최소화하기 위해서는 유포되는 피해 영상을 신속히 검출해 제거해야 한다. 불법 촬영물의 원본 영상이 유포된 경우 이를 검출해내는 연구과 기술이 많이 발전하고 있지만 그럴수록 범죄 수법 또한 악의적으로 진화하고 있다. 악의적으로 영상을 편집하여 유포하거나 소지하기도 한다. 이에 불법 원본 영상을 포함하여 관련된 모든 조작 영상까지도 모두 검출할 수 있는 새로운 수사 방법이 필요하다. 또한, 피해 영상의 유포를 최대한 막을 수 있는 연구 또한 많이 이뤄져야 한다. 사실상 유포범죄를 최소화할 수 있는 가장 확실한 방법은 예방이다. 용의자가 유포하기 전에 먼저 유포의 목적성을 식별하여 이를 감시 및 관리할 수 있다면 이미 유포되어 퍼져나가는 피해 영상을 끝까지 찾아 제거해야 하는 수고를 막을 수 있다. 본 논문은 불법 촬영물의 원본 영상과 조작 영상을 용의자의 단말기 내에서 식별하여 관련된 모든 영상과 관련 메타데이터를 함께 추출하고 이 데이터들을 통해 유포의 목적성을 추론할 수 있는 의사결정 분석을 제안한다. 유포의 목적성 평가 분석을 위해 AHP 의사결정 분석을 적용하였다. AHP 분석모형은 날짜 데이터, 저장경로, 날짜 데이터 조작 툴 보유, 저장경로 조작 툴 보유, 파일 압축 툴 보유, 영상파일 크기로 총 6가지 영역과 세부적으로 속한 18가지의 항목으로 구성하였다. 불법 촬영 영상의 유포 목적성을 식별할 수 있는 요소들을 계층적으로 나열한 후 동일 레벨에 있는 요소들끼리 일대일 쌍대비교를 수행하였다. 비교결과는 고유벡터법을 이용해 각 레벨에서의 가중치를 구하고 마지막으로 상위와 하위레벨에서의 가중치를 곱하여 의사결정 대안의 최종 가중치를 구하였다. 이는 다양한 시나리오를 기반으로 유포의 목적성이 드러나는지에 대한 확률분석을 수행할 수 있었다. 향후 본 연구의 산출물을 기반으로 현업에 적용할 수 있도록 데이터 가공 및 실무 검증을 위한 응용연구를 추가 진행할 예정이다. 특히 본 연구는 수사관들의 디지털 성범죄 수사의 의사결정 도구로 사용될 수 있는 프로세스이며, 이는 현장 수사에 적극적으로 활용할 수 있을 것이다. 따라서 추후 현장 수사의 요구사항을 면밀히 수집 및 분석하여 제안한 프로세스를 개선하여 경찰 수사의 다양성, 공정성, 확장성 및 정확성을 재고하고자 한다.