온프레미스 기반의 협력형 화재감식평가 생성형AI 보안모델 연구 = A Study on a Security Model for On-Premise Collaborative Generative AI in Fire Investigation Assessment

다국어 초록 (Multilingual Abstract)

This study designs and implements a generative AI–based fire investigation support pipeline that can be operated in an on-premise environment, with the objective of systematically utilizing unstructured fire incident overviews produced during fire investigation processes. Existing fire investigation information systems rely primarily on structured fields and keyword-based retrieval methods, which limits their ability to adequately capture the contextual and structural similarities embedded in overview descriptions written by investigators.
To address these limitations, this study proposes an integrated pipeline that takes investigators’ original fire incident overviews as input and sequentially performs text preprocessing, similar case retrieval and selection, ignition cause inference, investigation report generation, and result evaluation. In the preprocessing stage, sentence correction and summarization are applied to reduce variations in expression while preserving the original content, and keywords relevant to fire investigation are extracted for use as search queries. In the similar case retrieval stage, semantic-based retrieval and keyword-based retrieval are combined, and cases are selected based on the structural consistency of incident components, enabling stable identification of similar cases that are suitable for investigative reasoning.
In the inference stage, ignition factor categories are estimated based on the selected set of similar cases, thereby examining whether the quality of the retrieved cases can serve as valid grounds for investigative reasoning. Subsequently, in the report generation stage, investigation reports are automatically generated by integrating fire incident overviews, preprocessing results, and structured metadata in accordance with prescribed investigation record formats. The generated reports are then evaluated in terms of structural consistency, content completeness, and clarity of expression to assess their suitability for use as official investigation records. This process is intended to provide collaborative support for investigators by organizing and refining investigation results rather than replacing human judgment.
In addition, this study considers the risk of model file exposure arising from internal access in on-premise deployment environments and applies an encryption-based weight protection scheme to mitigate unauthorized model use. The computational overhead introduced by the proposed protection method is quantitatively evaluated to assess its feasibility in practical operational settings. This study treats fire investigation support as a structural problem that requires joint consideration of unstructured data utilization, reasoning support, workflow integration, and operational constraints, and suggests that the proposed approach can be extended to other investigation and analysis domains with similar characteristics.

목차 (Table of Contents)

• 목 차 ⅰ
• 표 목 차 ⅵ
• 그림목차 ⅶ
• Ⅰ. 서 론 01
• 1. 연구 배경 01
• 1) 화재조사 절차 01
• 2) 화재조사 결과의 데이터 구조 02
• 3) 생성형 AI 언어 모델 02
• 2. 연구 동기 03
• 1) 기존 검색 방식의 한계 03
• 2) 유사 사례 검색의 구조적 한계 04
• 3. 관련 연구 동향 05
• 1) 화재조사 데이터 활용 연구 동향 05
• 2) 화재조사 문서 검색 기법 연구 08
• 3) LLM 기반 추론 체계 연구 동향 11
• 4) 온프레미스 LLM 보안 위협과 보호 연구 12
• 4. 연구 목적 및 범위 13
• 1) 연구 목적 13
• 2) 연구 범위 15
• 5. 논문 구성 16
• Ⅱ. 화재감식 절차와 데이터 전제 18
• 1. 화재감식 조사 절차 및 법·행정적 전제 18
• 1) 법과 행정 체계에 따른 화재감식 절차 및 기록 구조 18
• 2) 조사관 판단 중심 구조의 제도적 특성 19
• 2. NFDS 데이터 구조와 변수 특성 20
• 1) 화재조사 데이터의 구성 체계 및 특성 20
• 2) 데이터의 편차 및 구조적 불균형 21
• 3. 연구 대상 데이터 범위 및 한계 22
• 1) 연구 대상 데이터의 선정 기준 22
• 2) 데이터 가용 범위 및 분석 환경 22
• 3) 텍스트 기반 분석 범위 23
• Ⅲ. 화재감식 관점의 유사사례 24
• 1. 화재감식 유사사례 24
• 1) 유사사례의 정의 및 적용 범위 24
• 2) 발화 지점 및 공간적 조건 기준 25
• 3) 발화요인과 발화 메커니즘 기준 26
• 4) 화재 전개 양상과 연소 환경 기준 26
• 5) 조사 및 시간적 맥락 기준 27
• 2. 화재 유사사례 검색 방식의 한계 28
• 1) 국가화재정보시스템의 설계 목적 28
• 2) 정형 필드 분류체계 기반 검색의 구조적 제약 29
• 3) 비정형 서술 필드에 대한 검색 방식 30
• 4) 조사 서술 표현 편차로 인한 유사사례 식별 한계 31
• 5) 화재감식 판단 과정과 검색 결과 간의 불일치 문제 31
• 3. 유사사례의 유사정도 및 발화요인 판단 32
• 1) 유사정도의 개념과 비교 기준 32
• 2) 유사정도 저하가 판단에 미치는 영향 32
• 3) 유사정도와 발화요인 판단의 유의성 33
• Ⅳ. 연구 방법 및 제안 시스템 설계 35
• 1. 온프레미스 기반 화재감식 지원 파이프라인 설계 35
• 1) 온프레미스 환경 구성 및 운용 전제 37
• 2) 파이프라인 단계별 모델 구성과 역할 분담 38
• 3) 처리 흐름 및 단계 간 연계 구조 46
• Ⅴ. 온프레미스 모델 암호화 구조 48
• 1. 온프레미스 운영 환경 및 위협 모델 48
• 1) 온프레미스 AI 화재감식 운영 환경 특성 48
• 2) 모델 탈취 및 내부자 위협 시나리오 48
• 3) LLM 파일 기반 배포 구조의 보안 취약점 49
• 2. 모델 보안 위협 분석 49
• 1) LLM 가중치 노출 및 복제 위험 49
• 2) GPU 메모리 접근 및 런타임 공격 가능성 50
• 3) 공공기관 온프레미스 환경의 제약 조건 50
• 3. AES256 기반 모델 암호화 구조 51
• 1) 암호화 키 생성 방식 51
• 2) 모델 파일 블록 단위 암호화 52
• 3) 암호키 벡터 변환 구조 52
• 4. 선형 가중치 교란 기법 53
• 1) 모델 가중치 선형 암호화 방식 53
• 2) 모델 복호화 및 GPU 로딩 제어 55
• 5. 온프레미스 적용을 고려한 성능 영향 분석 55
• 1) 암호화 테스트 대상 모델 구성 56
• 2) 암호화 및 파일 저장 시간 분석 56
• 3) 복호화 및 모델 로딩 시간 분석 57
• Ⅵ. 실험 설계 및 결과 분석 58
• 1. 실험 설계 및 평가 기준 58
• 1) 실험 목적 및 평가 파이프라인 구성 57
• 2) 데이터셋 구성 및 샘플링 기준 59
• 3) 유사사례 검색 및 선별 조건 61
• 4) 발화요인 대분류 추론 및 보고서 생성 평가 설계 62
• 2. 온프레미스 하드웨어 구성 62
• 1) 테스트 하드웨어 환경 62
• 2) 시스템 소프트웨어 구성 63
• 3. 언어모델 구성 및 역할 비교 65
• 1) GPT-4o-mini 66
• 2) GPT-OSS 120B 67
• 3) Llama3.2 3B 67
• 4. 발화요인 추론 및 보고서 생성, 평가 68
• 1) 키워드 추출 68
• 2) 문장 교정 69
• 3) 화재 개요 요약 69
• 4) 화재사례 유사도 평가 70
• 5) 화재 보고서 작성 72
• 6) 발화요인 대분류 예측 75
• 7) 문장 품질 평가 77
• 5. 결과 해석 및 신뢰성 분석 79
• 1) 검색 엔진 평가 79
• 2) 발화요인 대분류 예측 83
• 3) 화재 보고서 평가 84
• 4) 모델 암호화 및 복호화 86
• Ⅶ. 결론 90
• 1. 연구 요약 90
• 2. 주요 연구 기여 91
• 1) 협력형 감식 파이프라인 설계 91
• 2) 사건 정합성 기반의 유사사례 선별 92
• 3) 유사사례 품질 검증을 위한 발화요인 추론 실험 설계 93
• 4) 정형 보고서 생성 및 품질 평가 구조 제시 93
• 5) 온프레미스 환경의 모델 보호 기법 94
• 3. 연구 한계 및 향후 과제 94
• 1) 단일 연도 데이터 기반 평가의 한계 95
• 2) 텍스트 중심 입력 구조의 한계 95
• 3) 모델 보호 기법의 위협 범위 제한 95
• 4. 결과 논의 96
• 참 고 문 헌 97
• 영 문 초 록 102
• 부 록 104